协方差是衡量两个随机变量之间线性关系强度的统计量。它的计算公式是：
```
Cov（X, Y） = E[（X - E[X]）（Y - E[Y]）]
```
其中：
`E[X]` 和 `E[Y]` 分别表示随机变量 `X` 和 `Y` 的期望值。
`E[（X - E[X]）（Y - E[Y]）]` 是 `X` 和 `Y` 的协方差的期望值。
如果 `X` 和 `Y` 是样本数据，则协方差的计算公式为：
```
Cov（X, Y） = Σ（（xi - x̄） * （yi - ȳ）） / （n - 1）
```
其中：
`xi` 和 `yi` 是样本数据点。
`x̄` 和 `ȳ` 是样本均值。
`n` 是样本数量。
协方差的值可以是正数、负数或零：
如果 `X` 和 `Y` 的变化趋势一致（即一个大于期望值时另一个也大于期望值，反之亦然），则协方差为正。
如果 `X` 和 `Y` 的变化趋势相反（即一个大于期望值时另一个小于期望值，反之亦然），则协方差为负。
如果 `X` 和 `Y` 相互独立，则协方差为零。
协方差的一个重要特性是它与相关系数有直接的关系，相关系数是协方差除以两个随机变量标准差的乘积：
```
ρ = Cov（X, Y） / （σ_X * σ_Y）
```
其中 `ρ` 是 `X` 和 `Y` 的相关系数，`σ_X` 和 `σ_Y` 分别是 `X` 和 `Y` 的标准差。
需要注意的是，协方差衡量的是两个变量之间的总体误差，而不是单个变量的波动情况。