方差的三种计算公式

方差是衡量一组数据分散程度的统计量，其计算公式主要有以下几种：

1. 定义式 ：

$$

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

$$

其中，$\\sigma^2$ 表示方差，$x_i$ 表示第 $i$ 个数据点，$\\mu$ 表示数据的平均值，$N$ 表示数据点的个数。

2. 样本方差公式 （用于样本数据）：

$$

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

$$

其中，$s^2$ 表示样本方差，$x_i$ 表示样本中的每个数据点，$\\bar{x}$ 表示样本的平均值，$n$ 表示样本中数据点的个数。

3. 总体方差公式 （用于总体数据）：

$$

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

$$

其中，$\\sigma^2$ 表示总体方差，$x_i$ 表示总体中的每个数据点，$\\mu$ 表示总体的平均值，$N$ 表示总体中数据点的个数。

以上公式中，方差通常用字母 $D$ 或 $\\sigma^2$ 表示，标准差则是方差的平方根，用字母 $\\sigma$ 表示。

需要注意的是，样本方差计算中分母为 $n-1$ 是为了校正样本估计总体时的偏差，这称为贝塞尔修正。

其他小伙伴的相似问题：

方差公式的实际应用案例有哪些？

如何计算一组数据的样本方差？

总体方差与样本方差有何区别？