什麼是共變異數？
共變異數用來衡量兩個變數一起變動的方式。當兩個變數傾向同時上升時，共變異數為正；當其中一個上升、另一個下降時，共變異數為負；若數值接近零，則代表兩者之間幾乎沒有線性關係。與相關係數不同，共變異數並未經過標準化，因此它的大小會受到資料單位的影響——但它的正負號仍能告訴你兩者關係的方向。
本計算機計算的是樣本共變異數，也就是除以 (n - 1) 而非 n。這個 (n - 1) 的調整稱為貝索校正（Bessel's correction），當你的資料只是從更大母體中抽取的樣本時，它能提供一個不偏的估計值。
如何使用本計算機
- 以逗號分隔的方式輸入 X 數值（例如：2, 4, 6, 8）。
- 以逗號分隔的方式輸入相同數量的 Y 數值（例如：1, 3, 2, 5）。
- 點擊計算，即可得到樣本共變異數。
兩組清單的數值數量必須相同，因為每一個 X 都會與對應的 Y 配成一對。請確認沒有空白項目或多餘的逗號。
樣本共變異數公式
使用的公式如下：
cov_{xy} = ((\displaystyle\sum_{i=1}^{n}≤ft(x_i - \bar{x}\right)≤ft(y_i - \bar{y}\right)) ÷ (n - 1))
其中 \bar{x} 與 \bar{y} 分別是 X 與 Y 數值的平均數，n 是資料配對的數量，而總和則是把每一組資料點與各自平均數的偏差相乘後加總起來。
實例演算
假設 X = 2, 4, 6, 8，Y = 1, 3, 2, 5。
- X 的平均數 = 5；Y 的平均數 = 2.75。
- 偏差乘積：(-3)(-1.75) + (-1)(0.25) + (1)(-0.75) + (3)(2.25) = 5.25 - 0.25 - 0.75 + 6.75 = 11。
- 再除以 (n - 1) = 3：共變異數 = 11 / 3 ≈ 3.67。
結果為正，證明 X 與 Y 傾向一起上升。
使用注意事項與精準校對原則（6 大核心守則）
📐 1. 嚴格對齊輸入量綱與單位
輸入各項數值時請務必確認量綱（例如小時、天數、金額、百分比），避免單位不匹配引發推算偏差。
🔒 2. 純前端本機毫秒級隱私保障
所有計算邏輯 100% 在您的終端瀏覽器內完成，資料絕不上傳伺服器，嚴格守護商業與個人隱私。
📊 3. 符合公認學術與產業計算模型
演算法嚴格遵循國際通用數學公式與標準計算模型，經多重情境交叉核對，數值嚴密精確。
📋 4. 一鍵複製與免登入 PDF 匯出
支援一鍵複製推算結果字串至剪貼簿，亦可直接點擊列印按鈕輸出純淨 PDF 工作報表。
🔄 5. 多情景敏感度動態對比
建議針對極端值與多組預期情景分別試算，觀察輸出數據的波動區間，輔助做出更穩健的決策。
🛡️ 6. 專業諮詢與日常參考免責聲明
本工具運算結果供日常排程、學業研習與事前參考之用，如涉及重大法規或投資決策請諮詢持證專家。
常見問題 (FAQ)
樣本共變異數與母體共變異數有什麼差別？
樣本共變異數除以 \((n - 1)\)，適用於資料代表樣本的情況；母體共變異數則除以 \(n\)，適用於你已掌握整個母體資料的情況。
共變異數可以大於 1 嗎？
可以。共變異數並不會被限制在 \(-1\) 到 \(1\) 之間——那個範圍是相關係數的特性。共變異數會隨著資料的尺度而取任意值。
共變異數與相關係數有什麼關係？
相關係數是共變異數除以兩個標準差的乘積，得到一個介於 \(-1\) 到 \(1\) 之間的標準化數值。