协方差公式为Cov(X,Y) = E[(X-E(X))(Y-E(Y))](相关系数公式：ρXY = Cov(X,Y) / (√(Var(X)Var(Y)))。其中，Cov代表协方差，X和Y是随机变量，E代表数学期望，即变量取值的加权平均。

协方差是一种数学术语，用于衡量两个变量之间共同统计行为的差异。公式为：C(X,Y)=∑((xi-x)(yi-y)) / (n(n-1))。其中，x和y是两个随机变量，xi和yj是它们在独立观察期间的值，n是值的数量。该公式用于计算两个变量之间的协方差，以了解它们之间的相关程度。如果两个变量的变化趋势一致，即协方差较大，则说明两个变量是相关的。如果一个变量增长，另一个变量可能也增长，则这两个变量是正相关。如果一个变量增长而另一个变量减少，则这两个变量是负相关。

以上信息仅供参考，如果需要更多信息，建议请教数学专业人士。

协方差公式变化可以有多种形式，具体取决于所使用的上下文和公式。以下是一些常见的协方差公式及其变化形式：

1. Cov(X,Y)=E(X-EXY)(Y-EY)：这是协方差的经典定义，其中EXY是两个变量之间的期望值，EX和EY分别是各自变量的期望值。

2. Cov(X,Y)=σxσy/√(N)：这是中心极限定理下的协方差计算公式，其中σx和σy是变量X和Y的标准偏差，N是样本数量。

3. Cov(X,Y)=ρ(X,Y)=EXY-EXEY：这是协方差的另一种形式，其中ρ(X,Y)表示变量X和Y之间的相关系数，EXY是两个变量之间的期望值，EX和EY分别是各自变量的期望值。

此外，协方差还可以通过以下公式进行计算：

Cov(X,Y)=∑[Xi-μX][Yi-μY]：这是协方差的另一种形式，其中Xi和Yi表示变量X和Y的样本数据点，μX和μY分别是变量X和Y的样本均值。

Cov(X,Y)=√(DXDY)×∣ρ∣：这是协方差在概率密度函数下的定义，其中DX和DY分别是变量X和Y的方差，ρ是变量X和Y之间的相关系数。

请注意，协方差的公式可能会根据上下文和所使用的统计学方法而有所不同。在具体应用中，请务必参考相关的统计学书籍或咨询专业人士以获取准确的协方差公式和计算方法。