方差是每個數據與平均值之差的平方的平均值。
比如1.2.3.4.5這五個數的平均值是3。
方差是1/5[(1-3)？+(2-3)?+(3-3)?+(4-3)?+(5-3)?]=2
協方差定義1:如果變量xk和xl都取n個樣本，則它們的協方差定義為，其中它們分別代表兩個變量序列的平均值。協方差可以記錄為兩個變量的異常向量的內積，它反映了兩個氣象要素之間異常關系的平均情況。
定義2:衡量兩個隨機變量共變程度的方差。
協方差分析是壹種基於方差分析和回歸分析的統計分析方法。
E [(x-e (x)) (y-e (y))稱為隨機變量X和Y的協方差，記為COV(X，Y)，即COV(X，y) = E[(X-E(X))(Y-E(Y))]。
協方差和方差的關系如下:D(X+Y)=D(X)+D(Y)+2COV(X，Y) D(X-Y)=D(X)+D(Y)-2COV(X，y) = e
協方差的屬性:
(1)COV(X，Y)=COV(Y，X)；(2)COV(aX，bY)=abCOV(X，y)，(a，b為常數)；(3)COV(X1+X2，Y)=COV(X1，Y)+COV(X2，Y).從協方差的定義可以看出，COV(X，X)=D(X)，COV(Y，Y)=D(Y)。
相關系數是變量之間相關程度的指標。樣本相關系數用R表示，總體相關系數用ρ表示，相關系數的取值範圍為[-1，1]。|r|的值越大，誤差q越小，變量之間的線性相關程度越高；|r|的值越接近0，q越大，變量之間的線性相關程度越低。相關系數也叫皮爾遜積矩相關系數，是解釋兩個現象密切相關的統計分析指標。相關系數用希臘字母γ表示，γ值的範圍在-1到+1之間。γ > 0為正相關，γ < 0為負相關。γ = 0表示無關；γ的絕對值越大，相關程度越高。兩種現象的相關程度壹般分為四個等級:如果正相關，R為正，當r=1時為完全正相關；如果兩者負相關，R為負，而r=-1完全負相關。完美正相關或負相關，所有點都在線性回歸線上；線性回歸線上下點的分布越離散，r的絕對值越小，當病例數相等時，相關系數的絕對值越接近1，相關性越密切；越接近0，關聯越不緊密。當r=0時，說明x和y變量之間沒有線性關系。通常，當|r|大於0.8時，兩個變量被認為具有強線性相關性。
編輯本段中相關系數的計算公式。
其中xi是自變量的符號值；i=1，2，…n；■是自變量的平均值，是因變量序列的符號值；■因變量序列的平均值。自變量系列中的項數。對於單變量分組表中的數據，相關系數的計算公式為:相關系數計算公式。
[1]?R=n(寫上面)∑i=1(寫下面)(Xi-X的平均值)(Yi-Y的平均值)/根號下[∑(同上)(Xi-X的平均值)* ∑(同上)(Yi-Y的平均值)其中fi為權重，即每組自變量。當使用具有統計功能的電子計算機時，可以用壹種簡單的方法計算相關系數。公式為:使用這種計算方法時，計算機輸入X、Y數據後，可直接得到n、■、∑xi、∑yi、■、∑xiy1、γ等值。，也不需要做計算表。