協方差是用來描述兩個隨機變數之間相關性的統計量。具體來說：
正相關：當一個變數增大時，另一個變數也增大，或者當一個變數減小時，另一個變數也減小，這時兩個變數之間存在正相關關係，協方差大於零。
負相關：當一個變數增大時，另一個變數減小，或者當一個變數減小時，另一個變數增大，這時兩個變數之間存在負相關關係，協方差小於零。
不相關：當一個變數的變化對另一個變數沒有影響時，即一個變數增大或減小時，另一個變數的變化沒有固定趨勢，這時兩個變數之間不存在相關性，協方差等於零。
協方差與方差不同，方差表示一個變數與其期望值之間的誤差，而協方差表示兩個變數之間的總體誤差。如果兩個變數的變化趨勢一致，協方差為正值；如果變化趨勢相反，協方差為負值。值得注意的是，協方差為零並不意味著兩個變數統計獨立，因為協方差為零隻是線性無關的必要條件之一。
此外，協方差的絕對值越接近1，表明兩個變數之間的線性相關性越好。當協方差的絕對值為1時，表示完全線性相關或完全線性負相關。