協方差Cov(X，Y)是描述隨機變量相關程度的特征數。從協方差的定義可以看出，它是X-E(X)的偏差與Y-E(Y)的偏差的乘積的數學期望。因為偏差可以是正的或負的，所以協方差也可以是正的或負的。
當協方差CoV (x，y)>時；0，x和y被稱為正相關，當協方差CoV (x，y)時
？註:如果兩個變量的變化趨勢壹致，也就是說其中壹個大於自己的期望，則兩個變量之間的協方差為正；如果兩個變量的趨勢相反，即壹個變量大於自己的期望，另壹個小於自己的期望，那麽兩個變量之間的協方差為負。
如果X和Y是統計獨立的，那麽它們之間的協方差是0，因為兩個獨立的隨機變量滿足E[XY]=E[X]E[Y]。然而，反之則不然。也就是說，如果x和y的協方差為0，它們不壹定是統計獨立的。
協方差Cov(X，Y)用X的協方差乘以Y的協方差來度量，兩個協方差為0的隨機變量稱為不相關。