回答：
协方差矩阵是简单相关矩阵的更通用形式。
说明：
相关性是协方差的缩放版本;请注意，这两个参数始终具有相同的符号（正数，负数或0）。当符号为正时，变量被认为是正相关的;当符号为负时，变量被认为是负相关的;当符号为0时，变量被认为是不相关的。
还要注意，相关是无量纲的，因为分子和分母具有相同的物理单位，即单位的乘积 #X# 和 #Y#.
最佳线性预测器
假设 #X# 是一个随机向量 #RR ^ M# 然后 #Y# 是一个随机向量 #RR ^ N#。我们有兴趣找到它的功能 #X# 形式 #A + BX#，哪里 RR中的#a ^ n# 和 RR中的#b ^ {nxxm}#，那是最接近的 #Y# 在均方意义上。此形式的函数类似于单变量情况下的线性函数。
但是，除非 #A = 0#，这些函数不是线性代数意义上的线性变换，所以正确的术语是仿射函数 #X#。当随机向量时，这个问题在统计学中是至关重要的 #X#，预测矢量是可观察的，但不是随机矢量 #Y#，响应向量。
我们在这里的讨论概括了一维情况，何时 #X# 和 #Y# 是随机变量。这个问题在协方差和相关部分得到了解决。
www.math.uah.edu/stat/expect/Covariance.html
