-----------------------------------------------------------------------方差------------------------------------------------------------------
1.衡量一組數據的離散程度，概率論中用方差來度量隨機變量和其數學期望（均值）之間的偏離程度。統計中的方差是每個樣本值與全體樣本值的平均數之差的平方值的平均數。
2.在統計描述中，方差用來計算每一個變量（觀察值）與總體均數之間的差異。為避免出現離均差總和為零，離均差平方和受樣本含量的影響，統計學采用平均離均差平方和來描述變量的變異程度。總體方差計算公式：
為總體方差，X為變量，μ為總體均值，N為總體例數。
-----------------------------------------------------------------協方差-------------------------------------------------------------------
1.協方差（Covariance）用於衡量兩個變量的總體誤差。而方差是協方差的一種特殊情況，即當兩個變量是相同的情況。協方差表示的是兩個變量的總體的誤差，這與只表示一個變量誤差的方差不同。 如果兩個變量的變化趨勢一致，也就是說如果其中一個大於自身的期望值，另外一個也大於自身的期望值，那么兩個變量之間的協方差就是正值。 如果兩個變量的變化趨勢相反，即其中一個大於自身的期望值，另外一個卻小於自身的期望值，那么兩個變量之間的協方差就是負值。
2.期望值分別為E(X)和E(Y)的兩個實隨機變量X與Y之間的協方差定義為：
協方差的性質：
（1）Cov(X，Y)=Cov(Y，X)；
（2）Cov(
aX，
bY)=
abCov(X，Y)，（
a，
b是常數）；
（3）Cov(X
1+X
2，Y)=Cov(X
1，Y)+Cov(X
2，Y)。
由協方差定義，可以看出Cov(X，X)=D(X)，Cov(Y，Y)=D(Y)。
3.協方差矩陣
分別為
m、
n個標量元素的列向量隨機變量
X與
Y，這兩個變量之間的協方差定義為
m×
n矩陣.其中X包含變量X1.X2......Xm，Y包含變量Y1.Y2......Yn，假設X1的期望值為μ1，Y2的期望值為v2，在協方差矩陣中(1,2)的元素就是X1和Y2的協方差。
兩個向量變量的協方差Cov(
X,
Y)與Cov(
Y,
X)互為轉置矩陣。