方差公式是什么？

方差是用来度量一组数据分散程度的统计量，是概率论和统计学中最基本的概念之一。方差也是统计分析中最常用的代表数据分散程度的指标之一。方差的大小直接反应了数据分散程度的差异。方差的大小会随着数据的变化而不同，因此，方差也常用于衡量变量之间的差异。方差有不同的计算公式，本文将对方差的公式进行深入介绍。

一、总体方差公式

总体方差公式可以描述总体随机变量的分布。对于一个总体随机变量 $X$，假设 $X$ 的平均值为 $\mu$，那么，总体方差的计算公式可以如下表示：

$$\sigma^2={\frac{1}{N}}\sum_{i=1}^N(x_i-\mu)^2$$

其中，$N$ 表示总体数据量，$x_i$ 表示各样本的值，$\mu$ 表示总体的平均值，$\sigma^2$ 表示总体的方差。总体方差公式也可以用离差平方和（Sum of Squares for Deviations）来表示，如下所示：

$$\sigma^2=\frac{SSD}{N}$$

二、样本方差公式

在实际应用中，常常需要从总体中取出一些样本来进行研究，这时需要计算样本的方差。与总体方差不同，样本方差只能估计总体方差，而不是精确地表述总体方差。样本方差的计算公式可以如下表示：

$$s^2=\frac{1}{n-1}\sum_{i=1}^n(x_i-\overline{x})^2$$

其中，$n$ 表示样本数据量，$x_i$ 表示各样本的值，$\overline{x}$ 表示样本的平均值，$s^2$ 表示样本的方差。公式中的 $n-1$ 是样本自由度，用于校正样本大小对样本方差估计值的影响。