因為Ec=c，所以cov(X,c)=E[(X-EX)(c-Ec)]=E[0]=0，所以隨機變數與常數的協方差為0。知識點延伸：協方差分析是建立在方差分析和迴歸分析基礎之上的一種統計分析方法。 方差分析是從質量因子的角度探討因素不同水平對實驗指標影響的差異。一般說來，質量因子是可以人為控制的。 迴歸分析是從數量因子的角度出發，透過建立迴歸方程來研究實驗指標與一個（或幾個）因子之間的數量關係。但大多數情況下，數量因子是不可以人為加以控制的。在機率論和統計學中，協方差用於衡量兩個變數的總體誤差。而方差是協方差的一種特殊情況，即當兩個變數是相同的情況。期望值分別為E[X]與E[Y]的兩個實數隨機變數X與Y之間的協方差定義為：直觀上來看，協方差表示的是兩個變數總體誤差的期望。如果兩個變數的變化趨勢一致，也就是說如果其中一個大於自身的期望值時另外一個也大於自身的期望值，那麼兩個變數之間的協方差就是正值；如果兩個變數的變化趨勢相反，即其中一個變數大於自身的期望值時另外一個卻小於自身的期望值，那麼兩個變數之間的協方差就是負值。如果X與Y是統計獨立的，那麼二者之間的協方差就是0，因為兩個獨立的隨機變數滿足E[XY]=E[X]E[Y]。但是，反過來並不成立。即如果X與Y的協方差為0，二者並不一定是統計獨立的。協方差Cov(X,Y)的度量單位是X的協方差乘以Y的協方差。而取決於協方差的相關性，是一個衡量線性獨立的無量綱的數。協方差為0的兩個隨機變數稱為是不相關的。
因為Ec=c，所以cov(X,c)=E[(X-EX)(c-Ec)]=E[0]=0，所以隨機變數與常數的協方差為0。知識點延伸：協方差分析是建立在方差分析和迴歸分析基礎之上的一種統計分析方法。 方差分析是從質量因子的角度探討因素不同水平對實驗指標影響的差異。一般說來，質量因子是可以人為控制的。 迴歸分析是從數量因子的角度出發，透過建立迴歸方程來研究實驗指標與一個（或幾個）因子之間的數量關係。但大多數情況下，數量因子是不可以人為加以控制的。在機率論和統計學中，協方差用於衡量兩個變數的總體誤差。而方差是協方差的一種特殊情況，即當兩個變數是相同的情況。期望值分別為E[X]與E[Y]的兩個實數隨機變數X與Y之間的協方差定義為：直觀上來看，協方差表示的是兩個變數總體誤差的期望。如果兩個變數的變化趨勢一致，也就是說如果其中一個大於自身的期望值時另外一個也大於自身的期望值，那麼兩個變數之間的協方差就是正值；如果兩個變數的變化趨勢相反，即其中一個變數大於自身的期望值時另外一個卻小於自身的期望值，那麼兩個變數之間的協方差就是負值。如果X與Y是統計獨立的，那麼二者之間的協方差就是0，因為兩個獨立的隨機變數滿足E[XY]=E[X]E[Y]。但是，反過來並不成立。即如果X與Y的協方差為0，二者並不一定是統計獨立的。協方差Cov(X,Y)的度量單位是X的協方差乘以Y的協方差。而取決於協方差的相關性，是一個衡量線性獨立的無量綱的數。協方差為0的兩個隨機變數稱為是不相關的。