协方差covExcel？协方差的性质(1)COV(X,Y)=COV(Y,X); (2)COV(aX,bY)=abCOV(X,Y),(a,b是常数); (3)COV(X1+X2,Y)=COV(X1,Y)+COV(X2,Y)。那么，协方差covExcel？一起来了解一下吧。
协方差定义为：
COV（X，Y）=E［（X-E（X））（Y-E（Y））］
等价计算式为COV（X，Y）=E（XY）-E（X）E（Y）。
例如：
Xi 1.1 1.9 3
Yi 5.0 10.4 14.6
E(X) = (1.1+1.9+3)/3=2
E(Y) = (5.0+10.4+14.6)/3=10
E(XY)=(1.1×5.0+1.9×10.4+3×14.6)/3=23.02
Cov(X,Y)=E(XY)-E(X)E(Y)=23.02-2×10=3.02
扩展资料：
协方差公式推导
cov(X,Y)=∑ni=1(Xi−X¯)(Yi−Y¯)n=E[(X−E[X])(Y−E[Y])]cov(X,Y)=∑i=1n(Xi−X¯)(Yi−Y¯)n=E[(X−E[X])(Y−E[Y])]
=E[XY−E[X]Y−XE[Y]+E[X]E[Y]]=E[XY−E[X]Y−XE[Y]+E[X]E[Y]]
因为均值计算是线性的，即（a和b均为常数）：
E[aX+bY]=aE[X]+bE[Y]E[aX+bY]=aE[X]+bE[Y]
方差的概念与计算公式，差搭例1 两人的5次测验成绩如下：X： 50，100，100，60，50 E(X)=72；Y： 73， 70， 75，72，70 E(Y)=72。
要了解这些值的含义，前提是对正态分布和回归分析，假设检验等有一定的了解。如果不能理解以下回答，建议再查阅有关概率统计教程。
回归分析用于确定雹态两种或两种以上变数间相互依赖的定量关系，可以分一元回归分析和多元回归分析。你也可以理解成一元和多元方程。按照自变量和因变量之间的关系类型，可分为线性回归分析和非线性回归分析，即一阶方程或者其他方程。
残差就是在回归分析中，测定值与按回归方程预测的值之差。这里可以理解成拟合方程的误差，绝大多数情况下的方程都只是近似。根据近似的精确度不同，或者说可信度不同，提出了p-value的概念。
从你给出的数据情况来看，应该是在做两元一次线形回归分析，貌似数据时自己随意输入的，并非实际观测数据。
先说第一个表格：回归统计参数
Multiple R 是线性回归的相关系源亏源数 ，相关系数是按积差方法计算，同样以两变量与各自平均值的离差为基础，通过两个离差相乘来反映两变量之间相关程度。计算公式：协方差/[根号D（X）*根号D（Y）] ，其中协方差COV（X，Y）=E([X-E(X)][Y-E(Y)])
R Square 是拟合系数，英文叫Coefficient of determination，也叫方程的确定性系数，指模型拟合的精确度，越接近1，拟合程度越高，计算公式是R squared=1-SSE/SST。
COV（X,Y）
=E{[X-E（X)][Y-E（Y）]}
=E(XY)-E(X)E(Y)-E(Y)E(X)+E(X)E(Y)
=E（XY）-EXEY
扩展资料
从直观上来看，协方差表示的是两个变量总体误差的期望。如果两个变量的变化趋势一致，也就是说如果其中一个大吵袭于锋凳自身的期望升基兄值时另外一个也大于自身的期望值，那么两个变量之间的协方差就是正值；
如果两个变量的变化趋势相反，即其中一个变量大于自身的期望值时另外一个却小于自身的期望值，那么两个变量之间的协方差就是负值。
协方差的性质（1）COV(X，Y)=COV(Y，X)； （2）COV(aX，滚绝bY)=abCOV(X，Y)，（a，b是常数）； （3）COV(X1+X2，Y)=COV(X1，Y)+COV(X2，Y)。
由性质（3）展开
cov(x-2y,2x+3y)
=cov(x-2y,2x)+cov（x-2y,3y)
=cov(x,2x)-cov(2y,2x)+cov(x,3y)-cov(2y,3y)
又有COV(X，Y)=E(XY)-E(X)E(Y)。以上四虚备睁式可分别写成
cov(x,2x)=E(2x^2)-E(x)E(2x)=2Ex^2-2ExEx=2Dx --1
cov(2y,3y)=E(6y^2)-E(2y)E(3y)=6Ey^2-6EyEy=6Dy --2
cov(2y,2x)=E(4xy)-E(2y)E(2x)=4Exy-4ExEy --3
cov(x,3y)=E(3xy)-E(x)E(3y)=3Exy-3ExEy --4
（x^2的意思是 x的二次方
y^2的意思是 y的二次差岁方）
由以上四式得
cov(x-2y,2x+3y)=2Dx-（4Exy-4ExEy）+ （3Exy-3ExEy）-6Dy
=2Dx-6Dy-(Exy-ExEy)
=2Dx-cov(x,y)-6Dy
协方差性质参考http://baike.baidu.com/view/121095.htm
协方差计算式为COV(X，Y)=E(XY)-E(X)E(Y)。这里的E[X]代表变量弯慎或X的期埋伍。
协方差用于表示变量间的相互关系，变量间的相互关系一般有三种：正相关，负相关和不相关。
正相关：假设有两个变量x和y，若x越大y越大；x越小y越小则x和y为正相关。
负相关：假设有两个变量x和y，若x越大y越小；x越小y越大则x和y为负相关。
不相关：假设有两个变量x和y，若x和y变化无关联则x和y为负相关。
协方差在农业上的应用：
农业科学实验中，经常会出现可以控制的质量因孝芦子和不可以控制的数量因子同时影响实验结果的情况，这时就需要采用协方差分析的统计处理方法，将质量因子与数量因子（也称协变量）综合起来加以考虑。
比如，要研究3种肥料对苹果产量的实际效应，而各棵苹果树头年的“基础产量”不一致，但对试验结果又有一定的影响。要消除这一因素带来的影响，就需将各棵苹果树第1年年产量这一因素作为协变量进行协方差分析，才能得到正确的实验结果。
以上内容参考：-协方差
以上就是协方差covExcel的全部内容，多元线性回归可表示为Y=a+b1*X +b2*X2+ e，其中a表示截距，b表示直线的斜率，e是误差项。多元线性回归可以根据给定的预测变量（s）来预测目标变量的值。
