样本方差计算公式推导
在统计学中，样本方差用于衡量一组数据的离散程度。以下是样本方差计算公式的详细推导过程：
一、定义与符号说明
- 样本数据：假设我们有一个包含 $n$ 个观测值的样本，记作 $x_1, x_2, \ldots, x_n$。
- 样本均值：定义为 $\bar{x} = \frac{1}{n}\sum_{i=1}^{n}x_i$，即所有观测值的平均值。
- 离差：每个观测值与样本均值的差，记作 $d_i = x_i - \bar{x}$。
- 平方离差：离差的平方，记作 $(d_i)^2 = (x_i - \bar{x})^2$。
- 样本方差：通常记为 $s^2$，是平方离差的平均值（但需要注意除以的是 $n-1$ 而非 $n$）。
二、公式推导步骤
计算离差： 首先，我们需要计算每个观测值与样本均值的差，即离差 $d_i = x_i - \bar{x}$。
计算平方离差： 接着，计算每个离差的平方，得到 $(d_i)^2 = (x_i - \bar{x})^2$。
求平方离差的和： 将所有平方离差相加，得到总和 $\sum_{i=1}^{n}(x_i - \bar{x})^2$。
计算样本方差： 样本方差的传统定义是平方离差的平均值，但需要特别注意，这里平均时除以的是 $n-1$ 而不是 $n$。这是因为在用样本来估计总体方差时，使用 $n-1$ 作为分母可以提供一个无偏的估计量（即样本方差期望值等于总体方差）。因此，样本方差 $s^2$ 的计算公式为： [ s^2 = \frac{1}{n-1}\sum_{i=1}^{n}(x_i - \bar{x})^2 ]
理解分母 $n-1$： 为什么使用 $n-1$ 而不是 $n$？这涉及到统计中的“自由度”概念。简单来说，当我们计算样本均值 $\bar{x}$ 时，已经使用了 $n$ 个数据点中的一个信息（即它们的总和），因此在计算方差时只剩下 $n-1$ 个独立的数据点信息可用。这就是为什么在计算样本方差时要除以 $n-1$ 的原因。
总结： 综上所述，样本方差 $s^2$ 是通过计算每个观测值与样本均值的差的平方的平均值来得到的，但在计算这个平均值时需要除以 $n-1$ 以提供一个无偏的总体方差估计。
通过上述步骤，我们可以清晰地看到样本方差计算公式的来源及其背后的逻辑依据。
