二维随机变量（X，Y），X与Y之间的协方差定义为：
Cov(X,Y)=E{[X-E(X)][Y-E(Y)]}
其中：E(X)为分量X的期望，E(Y)为分量Y的期望
协方差Cov(X,Y)是描述随机变量相互关联程度的一个特征数。从协方差的定义可以看出，它是X的偏差【X-E(X)】与Y的偏差【Y-E(Y)】的乘积的数学期望。由于偏差可正可负，因此协方差也可正可负。
l 当协方差Cov(X,Y)>0时，称X与Y正相关
l 当协方差Cov(X,Y)<0时，称X与Y负相关
l 当协方差Cov(X,Y)=0时，称X与Y不相关
举个例子
二维随机变量（身高X，体重Y）（数据是自己编的）
身高X（cm） 体重Y（500g） X-E(X) Y-E(Y) [X-E(X)][Y-E(Y)] 1 152 92 -19.4 -39.7 770.18 2 185 162 13.6 30.3 412.08 3 169 125 -2.4 -6.7 16.08 4 172 118 0.6 -13.7 -8.22 5 174 122 2.6 -9.7 -25.22 6 168 135 -3.4 3.3 -11.22 7 180 168 8.6 36.3 312.18 E(X) =171.4 E(Y) =131.7 E{[X-E(X)][Y-E(Y)]}=209.4