D(X)=E(X？)-E？(X)=(1.1？+1.9?+3?)/3 - 4=4.60-4=0.6 σx=0.77
D(Y)=E(Y？)-E？(Y)=(5？+10.4?+14.6?)/3-100 = 15.44σy = 3.93
x和y的相關系數:
r(X，Y)=Cov(X，Y)/(σXσY)= 3.02/(0.77×3.93)= 0.9979
協方差表示兩個變量的總誤差，不同於只有壹個變量誤差的方差。如果兩個變量的趨勢壹致，即其中壹個大於自己的期望，另壹個大於自己的期望，那麽兩個變量之間的協方差為正。？
如果兩個變量的趨勢相反，即其中壹個大於其期望值，另壹個小於其期望值，則兩個變量之間的協方差為負。
如果兩個隨機變量X和Y是相互獨立的，那麽E[(X-E(X))(Y-E(Y))]=0，所以如果上面的數學期望不為零，那麽X和Y不是相互獨立的，即它們之間存在壹定的關系。
協方差和方差之間有以下關系:
D(X+Y)=D(X)+D(Y)+2Cov(X，Y)
D(X-Y)=D(X)+D(Y)-2Cov(X，Y)
協方差與期望值有以下關系:
Cov(X，Y)=E(XY)-E(X)E(Y).
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)。
設x和y為隨機變量。如果e (x k)，k=1，2，...存在，則稱為x的K階原點矩，簡稱K階矩。
如果E{[X-E(X)]k}，k=1，2，...存在，它被稱為x的k階中心矩。
如果e {(x k) (y p)}，k，l=1，2，...存在，它被稱為x和y的k+p混合原點矩。
如果e {[x-e (x)] k [y-e (y)] l}，k，l=1，2，...存在，它被稱為x和y的k+l階混合中心矩。
顯然，X的數學期望是E(X)是X的壹階原點矩，方差D(X)是X的二階中心矩，協方差Cov(X，Y)是X和Y的二階混合中心矩..