为什么样本方差的分母是n-1

最简单的解释，因为计算均值已经用了n个数的平均来做估计，因此在求方差时，只有n-1个数和均值信息是不相关的。第n个数可以由前n-1个数和均值唯一确定，实际上没有包含新的可用信息。因此在计算方差时，要除以n-1，而非n。

更严格的证明如下。

设总体的均值为$\mu$,标准差为$\sigma$，均是未知的。对于独立同分布的n个样本$x_1,x_2,...,x_n$，根据均值和方差的定义，我们有：
$$\begin{array}{rl}& E(x_i)=\mu ,\forall i=1,...,n\\ & E\left[(x_i-\mu {)}^2\right]=Var(x_i)={\sigma }^2,\forall i=1,...,n\end{array}$$
为了估计总体的均值和方差，定义如下两个统计量:

1. 样本均值

$$\bar{x}=\frac{1}{n}\sum _{i=1}^n{x}_i$$

2. 样本方差：

$$S^2=\frac{1}{n-1}\sum _{i=1}^n(x_i-\bar{x}{)}^2$$

样本均值和方差均是统计量，也是随机变量。样本方差表示样本中变量到样本均值的平均距离。

对于样本均值$\bar{x}$，其期望满足：

$E(\bar{x})=E(\frac{1}{n}{\sum }_{i=1}^n{x}_i)=\mu$

样本均值的期望等于总体均值，因而是一个无偏估计，其方差：
$$\begin{array}{rl}Var(\bar{x})& =E(\bar{x}-\mu {)}^2=Var(\frac{1}{n}\sum _{i=1}^n{x}_i)\\ & =\frac{1}{n^2}\sum _{i=1}^{n}Var(x_i)\\ & =\frac{{\sigma }^2}{n}\end{array}$$
可见，对样本均值估计的方差随着样本数的增加而减小，样本越多，样本均值越是集中在总体均值附近。

现在再看样本的方差，假设前面系数的分母是n-1，而不是n，则有：
$$\begin{array}{rl}& \frac{1}{n}\sum _{i=1}^n(x_i-\bar{x}{)}^2\\ & =\frac{1}{n}\sum _{i=1}^n(x_i-\mu +\mu -\bar{x}{)}^2\\ & =\frac{1}{n}\sum _{i=1}^n(x_i-\mu {)}^2+\frac{2}{n}\sum _{i=1}^n(x_i-\mu )(\mu -\bar{x})+\frac{1}{n}\sum _{i=1}^n(\mu -\bar{x}{)}^2\\ & =\frac{1}{n}\sum _{i=1}^n(x_i-\mu {)}^2-(\mu -\bar{x}{)}^2\end{array}$$
它的期望为：
$$\begin{array}{rl}& E\left[\frac{1}{n}\sum _{i=1}^n(x_i-\bar{x}{)}^2\right]\\ & =E\left[\frac{1}{n}\sum _{i=1}^n(x_i-\mu {)}^2\right]-E\left[(\mu -\bar{x}{)}^2\right]\\ & ={\sigma }^2-\frac{1}{n}{\sigma }^2\\ & =\frac{n-1}{n}{\sigma }^2\end{array}$$
可见，分母为n时，样本方差总是比总体方差要小，由于低估了方差，因此需要将其放大一点，：
$$\begin{array}{rl}& E(S^2)=\frac{n}{n-1}E\left[\frac{1}{n}\sum _{i=1}^n(x_i-\bar{x}{)}^2\right]\\ & ={\sigma }^2\end{array}$$
乘以放大系数$\frac{n}{n-1}$，样本方差公式里系数的分母变成n-1，此时对总体方差的估计就是无偏的。

可以看到，样本方差等于总体方差减去样本均值的方差，如果用样本均值估计总体均值，对总体方差的估计是有偏差的，偏差就是样本均值的方差。随着样本总量n的增加，样本方差S会越来越接近总体方差$\sigma$。当n很大时，用n或者n-1差别并不大，两者最终都会收敛到真实的总体方差。

需要注意的是，这里假设总体的均值和方差均是未知的。如果总体均值已知，即$\bar{x}=\mu$，则有：
$$\begin{array}{rl}& E\left[\frac{1}{n}\sum _{i=1}^n(x_i-\bar{x}{)}^2\right]=E\left[\frac{1}{n}\sum _{i=1}^n(x_i-\mu {)}^2\right]={\sigma }^2\end{array}$$
这是一个无偏估计。此时，计算样本方差的分母就是n，而不再是n-1，符合我们的直觉。