协方差

两个随机变量X、Y之间呈线性趋势的关系称为线性相关（linear correlation），又称简单相关（sample correlation），简称相关（correlation），线性相关的性质可由散点图直观地说明。 线性相关系数的意义及计算[编辑] 其中，Cov(XY)为X与Y的协方差，Var(X)为X的方差，Var(Y)为Y的方差。 当上式右端分别为总体协方差和总体方差时，左端便是总体相关系数，记为ρ

方差总是一个非负数，当随机变量的可能值集中在数学期望的附近时，方差较小；反之方差较大。所以由方差的大小可以推断随机变量分布的分散程度。 python代码举例： 总结：如果协方差为正，说明X，Y同向变化，协方差越大说明同向程度越高；如果协方差为负，说明X，Y反向运动，协方差越小说明反向程度越高