方差：数据波动的标尺
为什么两组数据的平均数相同，但稳定性却完全不一样？方差就是用来衡量数据“离散程度”的关键工具。通过生活实例和图示，我们逐步理解方差的计算过程与统计意义。
一、概念导入：平均分相同，差距在哪里？
小明和小红是两个学习小组的组长。一次数学测试后，两组各有6位同学的得分（满分100）：
- A组：92, 88, 80, 76, 84, 90
- B组：98, 72, 66, 100, 78, 96
算一下平均数：
A组平均分 = (92+88+80+76+84+90) ÷ 6 = 85 分
B组平均分 = (98+72+66+100+78+96) ÷ 6 = 85 分
两组的平均分一模一样！但直观上，A组的分数集中在80~92之间，B组的分数从66到100，差距很大。这说明仅仅知道平均数还不够，我们还需要一个量来描述数据“分散”或“波动”的程度——方差。
二、核心讲解：方差的定义与计算步骤
方差的基本思想是：看每个数据与平均数的距离有多远。如果所有数据都紧跟在平均数旁边，距离小，方差就小；如果数据东一个西一个，距离大，方差就大。
为了不让正负距离互相抵消，我们先把每个距离 平方，再求平均值。这就是方差：
$$S^2 = \frac{1}{n}\sum_{i=1}^{n}(x_i - \bar{x})^2$$
其中：
- $\bar{x}$ 是平均数
- $x_i$ 是每个数据
- $n$ 是数据个数
- $S^2$ 是方差
我们用A组数据来一步步计算方差。
第1步：求平均数
$$\bar{x} = 85$$
第2步：求每个数据与平均数的差（偏差）
| 数据 $x_i$ | 偏差 $x_i - \bar{x}$ |
|---|---|
| 92 | 7 |
| 88 | 3 |
| 80 | -5 |
| 76 | -9 |
| 84 | -1 |
| 90 | 5 |
第3步：求偏差的平方
| $x_i$ | $(x_i - \bar{x})^2$ |
|---|---|
| 92 | 49 |
| 88 | 9 |
| 80 | 25 |
| 76 | 81 |
| 84 | 1 |
| 90 | 25 |
第4步：求这些平方的平均值
$$S^2 = \frac{49+9+25+81+1+25}{6} = \frac{190}{6} \approx 31.67$$
所以A组的方差约为31.67。同样的步骤计算B组，方差约为173.33（试试看！），说明B组的数据波动更大。
三、推导/过程：为什么平方？
直接加偏差（比如7+3+(-5)+(-9)+(-1)+5）结果正好是0，这告诉我们正负抵消了，看不出波动大小。平方使所有偏差都变成正数，而且大的偏差会变得更大（因为平方放大），这样方差就能敏感地捕捉到离群值。
举个例子：偏差5和-5，平方都是25；偏差9和-1，平方分别是81和1，总和82，远大于各自平方再相加（25+25=50）。所以方差对“远离平均数的数据”非常敏感。
四、典型例题
例1（基础）：一组数据为2, 4, 6, 8, 10，求这组数据的方差。
解答：
平均数 $\bar{x} = \frac{2+4+6+8+10}{5} = 6$
偏差平方：$(2-6)^2=16$, $(4-6)^2=4$, $(6-6)^2=0$, $(8-6)^2=4$, $(10-6)^2=16$
方差 $S^2 = \frac{16+4+0+4+16}{5} = \frac{40}{5} = 8$
易错提醒：不要忘记除以数据个数 $n$。如果把除以 $n$ 忘了，只求和会得到40，不是方差。
例2（中等）：甲、乙两人10次射击的成绩（环数）如下：
甲：8, 8, 9, 10, 8, 9, 10, 9, 8, 9
乙：7, 8, 9, 10, 8, 9, 10, 10, 8, 9
计算两人的方差，并判断谁的成绩更稳定。
解答：
先求平均数。甲的平均数：$
\bar{x}_{\text{甲}} = (8\times4 + 9\times4 + 10\times2)/10 = (32+36+20)/10 = 8.8$
甲的偏差平方和：$(8-8.8)^2\times4 + (9-8.8)^2\times4 + (10-8.8)^2\times2$
$= (0.64)\times4 + (0.04)\times4 + (1.44)\times2 = 2.56 + 0.16 + 2.88 = 5.6$
方差 $S^2_{\text{甲}} = 5.6/10 = 0.56$
乙的平均数：$
\bar{x}_{\text{乙}} = (7+8\times3+9\times3+10\times3)/10 = (7+24+27+30)/10 = 88/10 = 8.8$
偏差平方：$(7-8.8)^2=3.24$，$(8-8.8)^2\times3=0.64\times3=1.92$，$(9-8.8)^2\times3=0.04\times3=0.12$，$(10-8.8)^2\times3=1.44\times3=4.32$
平方和 $=3.24+1.92+0.12+4.32=9.6$，方差 $=9.6/10=0.96$
因为 $0.56 < 0.96$，所以甲的射击成绩更稳定。
注意：计算时别忘了系数（相同数值出现的次数），同时小心小数平方不要算错。
例3（困难）：已知一组数据 $x_1, x_2, \dots, x_n$ 的方差为 $S^2$，如果每个数据都乘以 $k$ 再加 $b$（$k\neq 0$），得到新数据 $y_i = kx_i + b$，证明新数据的方差是 $k^2 S^2$。
思路：先找新数据的平均数 $\bar{y} = k\bar{x}+b$，然后写出新数据的方差公式，利用平方和性质推导。
证明：
$\displaystyle\bar{y} = \frac{1}{n}\sum (kx_i+b) = k\cdot\frac{1}{n}\sum x_i + b = k\bar{x}+b$
新数据的偏差：$y_i - \bar{y} = (kx_i+b) - (k\bar{x}+b) = k(x_i-\bar{x})$
偏差平方：$(y_i-\bar{y})^2 = k^2 (x_i-\bar{x})^2$
新方差：$S_y^2 = \frac{1}{n}\sum k^2 (x_i-\bar{x})^2 = k^2 \cdot \frac{1}{n}\sum (x_i-\bar{x})^2 = k^2 S^2$。
即每个数据乘以 $k$，方差变为原来的 $k^2$ 倍；加上常数不影响方差。
易错：很多同学误以为加常数也会改变方差，实际上常数只是整体平移，数据的分散程度不变。
五、常见误区
- 忘记除以 $n$：方差是“平均”偏差平方，而不是总和。有些同学算出平方和就把那个数当作方差。
- 错误使用公式：如果用 $S^2 = \frac{1}{n}\sum x_i^2 - \bar{x}^2$（简化公式，但推导较复杂），容易混淆顺序，建议直接按定义计算。
- 混淆方差与标准差：标准差是方差的算术平方根，单位与原始数据一致，而方差的单位是原单位的平方，所以实际应用中常用标准差。
- 认为方差大就代表数据“差”：方差大只说明数据波动大，不一定代表不好。比如在投资中，有人喜欢高风险高回报的波动，有人喜欢低风险的稳定。
六、学习建议
- 亲手算一遍：拿一组简单数据（如1,2,3,4,5）按照步骤把方差算出来，体会每一个环节的作用。
- 画图辅助理解：可以在数轴上把数据和平均数标出来，手动测量“距离”并平方，感受波动的大小。
- 联系实际：想一想生活中的例子，比如两个品牌的手机电池续航时间的稳定性，哪个方差更小就更可靠。
七、知识链接
方差不是孤立的知识点，它与我们前面学过的平均数（刻画集中趋势）互为补充，与极差（最大值–最小值）相比，方差利用了所有数据的信息，更可靠。方差开方得到标准差，它和原始数据单位一致，在后续统计中常用于计算“标准分”和正态分布。
八、习题自测
- 数据：5, 5, 5, 5, 5 的方差是多少？
答案：0（所有数据等于平均数，偏差为0） - 某篮球队队员身高（cm）：185, 192, 188, 196, 190。求身高的方差。
答案：先求平均数190.2，偏差平方和约为(4.84+3.24+4.84+33.64+0.04)=46.6，方差≈9.32（cm²） - 如果一组数据的方差是 $S^2=9$，现将每个数据乘以2，新数据的方差是？
答案：$2^2 \times 9 = 36$
💡 想一想：为什么平方后要开根号得到标准差？因为平方改变了单位，而标准差能回到原单位，更直观地描述“平均偏差”。