期望方差定义为概率密度函数的期望与其自身的期望的一平方的差。一般来说，期望方差可以通过下式表示$$\operatorname{Var}=E=E-\mu^{2}$$其中，$\mu$代表样本的期望，$E$代表样本$X$的期望值。期望方差给我们提供了一个评估数据分布时离散程度的量化指标，当期望方差越大时，表示样本对均值上的分布越集中，其数据离散程度也就越大，反之，当期望方差值较小时，表明数据更加集中，其离散程度也就越小。期望方差的拓展应用是由它扩展得到的协方差，协方差是代表两个随机变量之间的相关性的量化指标。协方差的公式如下，$$\operatorname{Cov}=E=E-\mu_{X}\mu_{Y}$$其中，$\mu_X$，$\mu_Y$表示样本X、Y的期望值，$E$表示它们的期望乘积。