贝塞尔校正 n-1校正

贝塞尔校正指的是在算样本方差、样本标准差时，把分母从数据个数 n 改成 n−1 的那一步修正。名字来自数学家贝塞尔，作用是纠正用样本估计总体分散程度时天然产生的偏小误差。

为什么会偏小？因为算方差得先有一个平均值，而样本方差用的是样本自己的平均。样本数据围着自己的平均，总会显得比围着真实总体均值时更集中，于是差的平方和偏小，直接除以 n 就把总体方差低估了。把分母减小到 n−1，正好把结果放大一点，抵消这种系统性低估，让它成为对总体方差的无偏估计。

从另一个角度看，n−1 也是自由度：用样本均值算偏差时，n 个偏差之间存在一个约束（它们之和为零），真正独立的信息只有 n−1 个，所以除以 n−1 更合理。

常见误区是以为它只是个凑数的经验规则。它有严谨的统计依据；不过要注意，它修正的是方差的无偏性，开平方后的样本标准差并非严格无偏，只是实践中够用。

贝塞尔校正到底修正了什么？修正用样本估计总体方差时的系统性低估。样本数据比真实总体更贴自己的均值，直接除以n会算小，改成除以n-1把它拉回接近真实值。

为什么偏偏是减1，不是减2？因为算偏差用掉了一个由样本估计出来的量（样本均值），只损失一个自由度，所以分母减1。如果估计中用掉更多参数，才会减更多。

标准差也用贝塞尔校正吗？样本标准差是在校正过的样本方差基础上开平方。严格说开方后不再完全无偏，但差别很小，实际中照样用n-1这套。