方差和标准差是衡量数据离散程度的核心统计量，前者反映数据与均值偏离的平均平方距离，后者是其平方根以恢复原数据量纲。两者本质相同但应用场景略有差异：方差更适合数学推导，标准差因单位一致性更便于实际解释。
当数据代表全部研究对象（总体）时，计算公式如下：
总体方差（用σ²表示）：
其中，是总体数据个数，是第个数据点，是总体均值。它通过平方差消除正负抵消，再取平均得到偏离程度的量化值。
总体标准差（用σ表示）：
标准差是方差的平方根，目的是将单位从平方形式（如）还原为原始单位（如），使其与数据本身的量纲一致，更易理解。
当数据仅为总体的一部分（样本）时，需用自由度修正分母以避免低估总体离散程度：
样本方差（用表示）：
\(s^2 = \frac{1}{n-1} \sum_{i=1}^{n} (x_i - \bar{x})^2\)
其中，\(n\)是样本数据个数，\(\bar{x}\)是样本均值。分母使用\(n-1\)而非\(n\)，是为了进行无偏估计——样本均值本身已利用了数据信息，需通过减少自由度补偿偏差。
样本标准差（用\(s\)表示）：
\(s = \sqrt{\frac{1}{n-1} \sum_{i=1}^{n} (x_i - \bar{x})^2}\)
与总体标准差类似，它是样本方差的平方根，确保单位与原始数据一致。
| 类型 | 方差公式 | 标准差公式 | 关键差异 |
|---|---|---|---|
| 总体数据 | \(\sigma^2 = \frac{\sum (x_i-\mu)^2}{N}\) | \(\sigma = \sqrt{\sigma^2}\) | 分母为\(N\)，描述整体波动 |
| 样本数据 | \(s^2 = \frac{\sum (x_i-\bar{x})^2}{n-1}\) | \(s = \sqrt{s^2}\) | 分母为\(n-1\)，无偏估计 |
直观理解：若两组数据均值相同，方差/标准差越小，数据越集中于均值附近。例如身高数据中，标准差小意味着多数人身高接近平均水平，波动小。
实际应用：在正态分布中，约68%的数据落在均值±1个标准差范围内，95%落在±2个标准差范围内（68-95-99.7法则）。这一特性使标准差成为质量控制、风险评估等领域的基础工具。
为何样本方差要用\(n-1\)？本质是通过“牺牲”一个自由度，修正样本均值对数据的“过度拟合”，确保对总体波动的估计更准确。这一细节看似微小，却是从样本推断总体时避免偏差的关键。
方的基本解释
方
⒈ 四个角都是90度直角的四边形或六个面都是方形的立体；正方形．长方形
⒉ 数学上指某数自乘的积：方根。平方。开方。
⒊ 人的品行端正：方正。方直。
⒋ 一边或一面：方向。方面。
⒌ 地区，地域：地方。方志。方言。方物。方圆。方隅（边疆）。方舆（指领域，亦指大地）。
⒍ 办法，做法，技巧：方式。方法。教导有方。贻笑大方。
⒎ 种，类：变幻无方。仪态万方。
⒏ 为治疗某种疾病而组合起来的若干种药物的名称、剂量和用法：药方。
⒐ 违背：方命。
⒑ 正在，正当：方今盛世。方兴未艾。
⒒ 才，刚刚：方才。如梦方醒。
⒓ 量词，多指一立方米：土石方。
⒔ 量词，用于方形的东西：几方石章。
⒕ 姓。
direction、power、side、square
圆
象形
a square, rectangle; a region; local