为什么用样本方差估计总体方差的统计量除以n-1

1、结论

$\frac{1}{n}{\sum }_{i=1}^n(X_i-\bar{X}{)}^2$ 是有偏估计

$\frac{1}{n-1}{\sum }_{i=1}^n(X_i-\bar{X}{)}^2$ 是无偏估计
\\

2、期望已知，方差未知

随机变量$X$的均值已知为$\mu$，总体方差${\sigma }^2$未知。根据方差的定义，可知:
$${\sigma }^2=\frac{1}{N}\sum _{i=1}^N(X_i-\mu {)}^2$$
其中$N$是总体个数，从总体中抽样$n$个样本，对于不同的抽样结果，计算出的样本方差不等，但样本方差的期望等于总体方差，故有：
$${\sigma }^2=E[\frac{1}{n}\sum _{i=1}^n(X_i-\mu {)}^2]\text{\hspace{1em}(1)}$$

3、期望未知，方差未知

但实际情况下，总体的均值并不易得知，非常直接的想法就是用样本均值代替总体均值，那么替代后(1)式是否仍然成立呢？做如下推导：
E [ 1 n ∑ i = 1 n ( X i − X ˉ ) 2 ] = E [ 1 n ∑ i = 1 n ( ( X i − μ ) − ( X ˉ − μ ) ) 2 ] = E [ 1 n ∑ i = 1 n ( ( X i − μ ) 2 − 2 ( X i − μ ) ( X ˉ − μ ) + ( X ˉ − μ ) 2 ) ] = E [ 1 n ∑ i = 1 n ( X i − μ ) 2 − 2 ( X ˉ − μ ) n ∑ i = 1 n ( X i − μ ) + ( X ˉ − μ ) 2 n ∑ i = 1 n 1 ] = E [ 1 n