样本方差为什么要除n-1，而不是n

首先我们来看看方差的计算公式：$S^2=\dfrac{1}{n-1}\sum_{i=1}^{n}(X_i-\overline{X})^2$
其中：$\overline{X}=\dfrac{1}{n}\sum_{i=1}^{n}X_i$ 为均值
由均值的计算公式知，一旦计算了平均值，n个变量就是不再独立了，都与均值产生了联系，也就是说在n个随机变量$X_i$ 中只要知道了其中的任意n-1个及均值$\overline{X}$ 就能求出另外一个，故能自由地取值的随机变量只有n-1个。所以在用均值计算方差时，能自由变化的随机变量只有n-1个，所以方差要除是n-1。
举个例子，$X_1=2，X_2=4，X_3=6$ ，均值$\overline{X}=4$，只要知道了$\overline{X}$和$X_1,X_2$，$X_3=3\times\overline{X}-X_1-X_2$ ，就能计算出来，也就是说$X_3$不能自由地取值了。

---

我们希望样本方差的期望是总体的方差($\sigma^2$)，如果把自由度设为n会有什么后果？证明一下。

$$\begin{array}{ll} E(S^2)&=E(\dfrac{1}{n}\sum_{i=1}^{n}(X_i-\overline{X})^2))\\ &=E(\dfrac{1}{n}\sum_{i=1}^{n}((X_i-\mu)-( \overline{X}- \mu))^2)\\ &=E(\dfrac{1}{n}\sum_{i=1}^{n}((X_i-\mu)^2-2(X_i-\mu)( \overline{X}- \mu)+(\overline{X}-\mu)^2))\\ &=E((\dfrac{1}{n}\sum_{i=1}^n(X_i-\mu)^2)-\dfrac{2}{n}(\overline{X}-\mu)\sum_{i=1}^n(X_i-\mu)+(\overline{X}-\mu)^2)\\ &=E((\dfrac{1}{n}\sum_{i=1}^n(X_i-\mu)^2)-\dfrac{2}{n}(\overline{X}-\mu)\times(\sum_{i=1}^n X_i-n\mu)+(\overline{X}-\mu)^2)\\ &=E((\dfrac{1}{n}\sum_{i=1}^n(X_i-\mu)^2)-\dfrac{2}{n}(\overline{X}-\mu)\times n \times (\dfrac{1}{n}\sum_{i=1}^n X_i-\mu)+(\overline{X}-\mu)^2)\\ &=E((\dfrac{1}{n}\sum_{i=1}^n(X_i-\mu)^2)-\dfrac{2}{n}(\overline{X}-\mu)\times n \times (\overline{X} -\mu)+(\overline{X}-\mu)^2)\\ &=E((\dfrac{1}{n}\sum_{i=1}^n(X_i-\mu)^2)-(\overline{X}-\mu)^2)\\ &=E((\dfrac{1}{n}\sum_{i=1}^n(X_i-\mu)^2))-E((\overline{X}-\mu)^2))\\ &=\sigma^2-E((\dfrac{1}{n}(\sum_{i=1}^n X_i-n\mu))^2)\\ &=\sigma^2-E((\dfrac{1}{n}(\sum_{i=1}^n X_i-n\mu))^2)\\ &=\sigma^2-E((\dfrac{1}{n}(\sum_{i=1}^n (X_i-\mu))^2)\\ &=\sigma^2-\dfrac{1}{n}E(\dfrac{1}{n}(\sum_{i=1}^n (X_i-\mu))^2)\\ &=\sigma^2-\dfrac{1}{n}\sigma^2=(1-\dfrac{1}{n})\sigma^2=(\dfrac{n-1}{n})\sigma^2 \lt \sigma^2 \end{array}$$

以上推导说明如果除的是n那么得到的方差总比总体的方差小那么一点点。

---

下面我们作一点点修正：

$$\begin{array}{ll} E(S^2)&=(\dfrac{n-1}{n})\sigma^2 \end{array}$$
在式子的两边乘上 $\dfrac{n}{n-1}$ 得：
$$\dfrac{n}{n-1}E(S^2)=\dfrac{n}{n-1}(\dfrac{n-1}{n})\sigma^2=\sigma^2$$
即：
$$\dfrac{n}{n-1}E(S^2)=\sigma^2\\ E(\dfrac{n}{n-1}S^2)=\sigma^2\\ E(\dfrac{n}{n-1}\dfrac{1}{n}\sum_{i=1}^n(X_i-\overline{X}))=\sigma^2\\ E(\dfrac{1}{n-1}\sum_{i=1}^n(X_i-\overline{X}))=\sigma^2\\ $$

所以$\dfrac{1}{n-1}\sum_{i=1}^n(X_i-\overline{X})$ 是总体方差的无偏估计量，而不能使用$\dfrac{1}{n}\sum_{i=1}^n(X_i-\overline{X})$。