样本方差 Sample Variance
用抽样数据估计整体离散度，分母用n-1。
样本方差是在手里只有一部分抽样数据、想估计整个总体分散程度时用的方差。它和普通方差算法几乎一样：求每个数与样本平均值之差的平方和，唯一不同是最后除以的是 n−1，而不是 n（n 是样本个数）。
为什么除以 n−1 而不是 n？因为算方差时用的是样本自己的平均值，样本数据天生比真实总体更“贴”自己的平均，直接除以 n 会系统性地把方差算小、低估总体的真实分散。除以 n−1 是对这种低估的修正，叫贝塞尔校正，能让估计更接近总体的真实值。
怎么选：如果这组数就是你要研究的全部对象，用总体方差（除以 n）；如果它只是从更大群体里抽出来的样本、要拿它推断整体，用样本方差（除以 n−1）。样本越大，n 和 n−1 差别越小，两种算法结果越接近。
常见误区是不管三七二十一都除以 n。做统计推断、由样本估总体时，规范做法是除以 n−1。
关于样本方差的常见问答
样本方差为什么除以n-1不是n？因为方差是围绕样本自己的均值算的，样本会显得比真实总体更集中，除以n会偏低。除以n-1做了修正，让估计更接近总体的真实方差。
什么时候用样本方差？当手里的数据只是从更大群体里抽出来的一部分，你想用它推断整个群体的分散情况时，就用样本方差（除以n-1）。
n-1和n算出来差很多吗？数据点少时差别明显，比如只有几个数；数据量一大，n和n-1几乎一样，两种结果的差距就可以忽略了。