若要講述這個部分的知識，我們必須先對序列的一些統計量有些概念，諸如均值、標準差、方差，而這些統計量所幸在 Matlab 都有函數可以調用
假若有一個矩陣x = [8,9,11,12]，則序列的
均值又稱期望值，定義為( N 為數據個數)：在統計學中，當估算變量的期望值時，經常用到的方法是重複測量此變量的值，然後用所得數據的平均值來作為此變量的期望值的估計。
x = [8 9 11 12]
x_avg = mean(x)
變異量數(大陸用語為"方差", variance)
定義為標準差的平方：在機率論和統計學中，一個隨機變量的變異量數描述的是它的離散程度，也就是該變量離其期望值的距離。說白了，就是將各個誤差將之平方（而非取絕對值），使之肯定為正數，相加之後再除以總數，透過這樣的方式來算出各個數據分布、零散（相對中心點）的程度。
其中Cov為共變異數的縮寫，非卷積。
※ Matlab funtion 的 var指令與變異數的原始定義不同，若使用Matlab則在計算的時候會除以(N-1)，其代表的意義為實現樣本無偏估計母體。(統計學的觀念，我也不懂)
% 變異數
myvar = ( sum( (x - mean(x)).^2 ) )/ length(x)
Mvar = var(x)
標準差的定義為(統計意義為用來代表數據組的分散程度，同變異量數)
% 標準差
mystd = sqrt ( ( sum( (x - mean(x)).^2 ) )/ length(x) )
Mstd = std(x)
共變異數(大陸用語為"斜方差", covariance)：
協方差的結果如果為正值，則說明兩者是正相關的(從協方差可以引出「相關係數」的定義)，結果為負值就說明負相關的，如果為0，則為統計上說的「相互獨立」。
其它參考連結
協方差，方差，期望的意義
維基百科
時間序列分析
