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：
$$E[S^2]=E[\frac{{\sum }_{i=1}^n(x_i-\bar{x}{)}^2}{n}]$$
$$=E[\frac{1}{n}\sum _{i=1}^n((x_i-\mu )-(\bar{x}-\mu ){)}^2]$$
$$=E[\frac{1}{n}\sum _{i=1}^n((x_i-\mu {)}^2-2(x_i-\mu )(\bar{x}-\mu )+(\bar{x}-\mu {)}^2)]$$
$$=E[\frac{1}{n}\sum _{i=1}^n(x_i-\mu {)}^2-\frac{2}{n}(\bar{x}-\mu )\sum _{i=1}^n(x_i-\mu )+(\bar{x}-\mu {)}^2]$$
其中
$$\sum _{i=1}^n(x_i-\mu )$$
$={\sum }_{i=1}^n{x}_i-{\sum }_{i=1}^n\mu$
$$=n(\bar{x}-\mu )$$
所以
$$=E[\frac{1}{n}\sum _{i=1}^n(x_i-\mu {)}^2-\frac{2}{n}(\bar{x}-\mu )\sum _{i=1}^n(x_i-\mu )+(\bar{x}-\mu {)}^2]$$
$$=E[\frac{1}{n}\sum _{i=1}^n(x_i-\mu {)}^2-2(\bar{x}-\mu {)}^2+(\bar{x}-\mu {)}^2]$$
$$={\sigma }^2-E[(\bar{x}-\mu {)}^2]$$
（这里${\sigma }^2$是因为样本方差的期望值是总体方差）
$$E[(\bar{x}-\mu {)}^2]$$
$$=E(\bar{x}-E[\bar{x}]{)}^2$$
$$=var(\bar{x})$$
$$=\frac{1}{n^2}var(\sum _{i=1}^n{x}_i)$$
$$=\frac{1}{n^2}\sum _{i=1}^{n}var(x_i)$$
$$=\frac{n{\sigma }^2}{n^2}$$
$$=\frac{{\sigma }^2}{n}$$
根据上面推导的式子，有以下计算：
$${\sigma }^2-E[(\bar{x}-\mu {)}^2]$$
$$={\sigma }^2-\frac{{\sigma }^2}{n}$$
$$=\frac{n-1}{n}{\sigma }^2$$
也就是说，样本估计的方差是总体方差的$\frac{n-1}{n}$倍，即所谓的有偏估计。要转换成无偏估计，只需要乘以倍数就可以了
$$\frac{n}{n-1}{S}^2=\frac{n}{n-1}\frac{{\sum }_{i=1}^n(x_i-\bar{x})}{n}=\frac{{\sum }_{i=1}^n(x_i-\bar{x})}{n-1}$$
这即是所谓的无偏估计

---

当然，还有一种比较直接的解释，由于是求样本中的方差，所以在求解样本均值时，已经用掉了一个自由度的值，所以求方差时，其实有用的值会少一个。例如在只有一个样本时，这时求样本方差是不能估计总体方差的。
所以，总体方差和样本方差的区别是在于信息量，总体的信息是完全确定的，即这时求出来的统计参数都是能确定地表征总体的分布信息。但是用样本的信息去估计总体，则不能确定表征总体的分布信息，之间相差了一个自由度。