总体方差和样本方差

我们知道，统计学上方差的计算公式如下：
$${\sigma }^2=\frac{{\sum }_{i=1}^n(x_i-\mu )}{n}$$
这是统计学中方差的定义，已知条件有总体的均值$\mu$，以及总体个数$n$，公式的另一种写法为：
$${\sigma }^2=E[(x-\mu {)}^2]=\sum (x-\mu {)}^{2}p(x)$$
其中$p(x)$是$x$出现的概率，所以这个公式只对于离散变量有效

---

那么，如果总体量很大，不能做到全部采样，那么就需要用样本来估计总体，假设从总体为$N$的总数中抽取$n$个样本，其中$(N>>n)$，采样值为$x_1,x_2,...,x_n$
样本均值为：
$$\bar{x}=\frac{{\sum }_{i=1}^n{x}_i}{n}$$
样本的方差为：
$$S^2=\frac{{\sum }_{i=1}^n(x_i-\bar{x}{)}^2}{n}$$
但是样本的方差和总体的方差是有差别的，计算样本方差的期望值，来估计样本方差和实际方差${\sigma }^2$之间差了多少：
E [ S 2 ] = E [ ∑ i = 1 n