为什么样本方差除以n-1

最近和工作的师兄闲聊时，突然被问到当时学习PCA时计算协方差，其中计算样本方差时为什么除以n-1就是无偏估计了，为什么不是n。当时感觉不就是公式是这样吗？定义就这样啊。然后被建议回去再看看原理每个参数的概念，后来找了找，发现是自己对样本方差，总体方差等基础概念的不理解。
首先介绍几个基本概念：
$n$：样本数量
$\bar{x}$：样本的均值
$u$：总体真实均值
${\sigma }^2$：真实样本方差
$S^2$：样本实际计算时方差

下面举一个栗子来描述下几个参数之间的关系。假设我们要统计全地球男性的平均身高，很显然要全部统计地球上男性的具体身高很不现实，我们可以从全球随机挑选一万名男性，来统计他们的具体身高。此时的该一万名男性的身高称为样本集，n=10000（样本数）。我们统计一万名男性身高再除以样本数可以得到样本的均值$\bar{x}=\frac{1}{n}{\sum }_{i=1}^n{x}_i$,而$u$总体均值实际上会与$\bar{x}$有所出入，因为毕竟一万名男性在全球男性中占比十分小。随着抽取样本的增加，二者之间的差距就会越小。同时还意味着$\bar{x}$是一个带有偏差的估计，$u=\frac{1}{n}{\sum }_{i=1}^{n=全球男性}{x}_i$（是一个无偏的真实估计，但是往往我们无法知道这个值）。${\sigma }^2=\frac{1}{n}{\sum }_{i=1}^n(x_i-u{)}^2$代表着样本男性身高的理论上的离散程度，而$S^2=\frac{1}{n}{\sum }_{i=1}^n(x_i-\bar{x}{)}^2$(如果按照真实方差计算时)代表着样本真实身高的离散程度。由于$\bar{x}$本就就是一个有偏估计，因此以其为基础的$S^2$也是一个有偏估计，与真正全球男性的身高离散情况还是有所出入。我们想消除这种估计偏差，那么我们应该如何做呢？下面的证明会给出相应的解答。

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

再代入看是否为无偏估计，也就是向σ 靠拢