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(X1+X2，Y)=Cov(X1，Y)+Cov(X2，Y)。
由協方差定義，可以看出Cov(X，X)=D(X)，Cov(Y，Y)=D(Y)。
協方差函數定義為：
若X(t)=Y(t)+i*Z(t)，Y,Z為實過程，則稱X(t)為復隨機過程，相關函數定義為：
擴展資料
協方差反映了兩個變量之間的相關程度：
協方差是兩個變量與自身期望做差再相乘，然後對乘積取期望。也就是說，當其中壹個變量的取值大於自身期望，另壹個變量的取值也大於自身期望時，即兩個變量的變化趨勢相同，此時，兩個變量之間的協方差取正值。
反之，即其中壹個變量大於自身期望時，另外壹個變量小於自身期望，那麽這兩個變量之間的協方差取負值。
當x與y變化趨勢壹致時，兩個變量與自身期望之差同為正或同為負，其乘積必然為正，所以其協方差為正；反之，其協方差為負。所以協方差的正負性反映了兩個變量的變化趨勢是否壹致。
再者，當x和y在某些時刻變化壹致，某些時刻變化不壹致時，在第壹個點，x與y雖然變化，但是y的變化幅度遠不及x變化幅度大，所以其乘積必然較小。
在第二個點，x與y變化壹致且變化幅度都很大，因此其乘積必然較大，在第三個點，x與y變化相反，其乘積為負值，這類點將使其協方差變小，因此，我們可以認為協方差絕對值大小反映了兩個變量變化的壹致程度。因此，兩個變量相關系數的定義為協方差與變量標準差乘積之比。
百度百科-協方差