方差的深度专题复习：从平均数到数据稳定性的全面理解
本节课以专题形式系统复习方差的概念、计算、实际意义及其与平均数、极差、标准差等知识点的内在联系。通过直观图形、典型例题和常见误区剖析，帮助八年级学生从“困难”难度掌握方差在数据分析中的核心作用。
一、情境导入：为什么需要“稳定性”指标？
小明和小华是射击队的两名队员，他们在一次训练中各射击10次，成绩（环数）如下：
小明：8, 8, 7, 9, 8, 8, 7, 9, 8, 8 小华：5, 10, 6, 9, 4, 10, 8, 7, 6, 10
我们很快可以算出两人的平均成绩都是8环。但仔细一看，小明的成绩都在7~9环之间波动，而小华的成绩从4环到10环，起伏很大。如果教练要选一名队员参加正式比赛，你会推荐谁？显然，小明更稳定。那么，怎样用一个“数值”来描述这种稳定性呢？
这就是我们这节课要深入学习的方差——衡量数据波动大小（离散程度）的重要统计量。
二、核心概念：方差是什么？
2.1 从“离差”说起
每个数据与平均数的差叫做离差。比如小明第1次成绩是8环，平均数也是8环，离差=0；第3次成绩是7环，离差=-1。离差的正负号表示数据在平均数“左边”还是“右边”。
只用离差不能反映整体波动，因为正负会抵消（所有离差之和为零）。为了消除正负，我们想到用离差的平方，这样所有值都非负，并且“大偏差”会被放大。
2.2 方差公式
设有$n$个数据$x_1, x_2, \dots, x_n$，平均数为$\bar{x}$，则方差$s^2$定义为：
$$s^2 = \frac{1}{n}\left[(x_1-\bar{x})^2 + (x_2-\bar{x})^2 + \cdots + (x_n-\bar{x})^2\right]$$方差是“离差平方的平均数”。它反映了每个数据偏离平均数的平均程度，值越大，数据越分散；值越小，数据越集中。
2.3 计算步骤（以小明成绩为例）
- 求平均数：$\bar{x}=8$
- 求各数据与平均数的差：8-8=0, 8-8=0, 7-8=-1, 9-8=1, ...
- 将离差平方：$0^2=0, 0^2=0, (-1)^2=1, 1^2=1, ...$
- 求这些平方的平均数：$\frac{0+0+1+1+0+0+1+1+0+0}{10}= \frac{4}{10}=0.4$
所以小明成绩的方差$s^2=0.4$（环²）。注意单位是平方。
2.4 方差的“亲兄弟”——标准差
方差带平方，单位不方便理解。它的算术平方根叫做标准差$s$：
$$s = \sqrt{s^2} = \sqrt{\frac{1}{n}\sum_{i=1}^{n}(x_i-\bar{x})^2}$$标准差和原始数据单位一致。小明标准差$\sqrt{0.4}\approx0.63$环，小华标准差约2.2环，直观看出小华不稳定。
三、推导与理解：为什么要“平方”？
学生常问：为什么不用绝对值？如果用绝对值的平均数，就是平均绝对离差，它也能反映波动，但数学上不方便（绝对值函数在0处不可导，后续统计理论复杂）。平方有以下好处：
- 放大效应：大偏差平方后更突出（例如偏差1平方得1，偏差3平方得9），更容易区分稳定和不稳定。
- 数学性质好：平方和可以展开、求导，方便计算和证明许多定理（如方差的可加性）。
- 与标准差匹配：开方后得到标准差，单位还原，且满足“距离”的几何意义（欧氏距离）。
换个角度看：方差就是“平均平方距离”——数据点到平均数这个“中心”的平方距离的平均数。
四、典型例题（由易到难）
例1（基础计算）
某次测验，5名学生的成绩分别为：70, 80, 80, 90, 100。求这组数据的方差和标准差。
思路：先求平均数，再计算离差平方和，最后除以n。
解：
- 平均数 $\bar{x} = \frac{70+80+80+90+100}{5} = \frac{420}{5}=84$
- 离差平方：$(70-84)^2=196,\ (80-84)^2=16,\ (80-84)^2=16,\ (90-84)^2=36,\ (100-84)^2=256$
- 平方和：$196+16+16+36+256=520$
- 方差：$s^2 = \frac{520}{5}=104$（分²）
- 标准差：$s = \sqrt{104} \approx 10.20$（分）
易错点：不要忘记除以n（5），不要忘记最后单位是平方。
例2（比较两组数据）
甲、乙两班各选10名同学参加数学竞赛，成绩（分）如下：
甲：85, 90, 92, 88, 87, 95, 86, 89, 91, 94
乙：68, 100, 75, 98, 72, 95, 60, 99, 78, 90
（1）分别计算两班的平均分和方差；
（2）哪个班的成绩更稳定？如果两班各派一人参加决赛，你更倾向于选哪个班的学生？为什么？
思路：先算平均数，再按公式算方差。稳定性看方差大小。选派时要结合平均水平和稳定性综合考虑。
解：
- 甲班平均数：$\bar{x}_甲 = \frac{85+90+92+88+87+95+86+89+91+94}{10}= \frac{897}{10}=89.7$（分）
- 甲班离差平方和：$(85-89.7)^2=22.09$，类似计算各值，求和 = 约98.1
- 甲班方差：$s^2_甲 = \frac{98.1}{10}=9.81$（分²）
- 乙班平均数：$\bar{x}_乙 = \frac{68+100+75+98+72+95+60+99+78+90}{10}= \frac{835}{10}=83.5$（分）
- 乙班离差平方和：计算得约 1712.5
- 乙班方差：$s^2_乙 = \frac{1712.5}{10}=171.25$（分²）
甲班方差（9.81）远小于乙班（171.25），所以甲班成绩更稳定。但甲班平均分（89.7）也高于乙班（83.5），因此无论从稳定性还是平均分看，甲班都占优。如果派一人决赛，甲班学生的成绩波动小，更有把握发挥正常水平；乙班学生虽然可能考出高分，但风险也大。故倾向于选甲班。
深度思考：仅看方差不够，还要结合平均数。极端情况下，一个班平均分很低但方差很小，也不代表好。
例3（方差公式的变形应用）
已知一组数据 $x_1, x_2, \dots, x_n$ 的平均数为 $\bar{x}$，方差为 $s^2$。证明方差也可用公式：$$s^2 = \frac{1}{n}\sum_{i=1}^{n}x_i^2 - \bar{x}^2$$
并利用该公式重新计算例1的方差。
证明思路：将原方差展开
证明：$s^2 = \frac{1}{n}\sum_{i=1}^{n}(x_i-\bar{x})^2 = \frac{1}{n}\sum_{i=1}^{n}(x_i^2 - 2x_i\bar{x} + \bar{x}^2)$
$= \frac{1}{n}\sum_{i=1}^{n}x_i^2 - 2\bar{x}\cdot\frac{1}{n}\sum_{i=1}^{n}x_i + \frac{1}{n}\cdot n \bar{x}^2$
$= \frac{1}{n}\sum_{i=1}^{n}x_i^2 - 2\bar{x}^2 + \bar{x}^2 = \frac{1}{n}\sum_{i=1}^{n}x_i^2 - \bar{x}^2$
利用这个变形公式计算例1：先计算平方和$=70^2+80^2+80^2+90^2+100^2 = 4900+6400+6400+8100+10000=35800$
平均数平方 $\bar{x}^2=84^2=7056$，所以方差 $s^2 = \frac{35800}{5} - 7056 = 7160 - 7056 = 104$，与之前结果一致。
优点：这个公式有时计算更便捷（不需逐个求离差），而且暗示了方差与“平方平均数”的联系。
五、常见误区与辨析
| 误区 | 错误原因 | 正确理解 |
|---|---|---|
| 方差等于离差的平方的和，忘记除以n | 误以为“和”就能反映波动，忽视平均过程 | 方差是“平均的离差平方”，要除以数据个数 |
| 方差越大，数据“越平均”？ | 把“平均”和“稳定”混淆 | 方差越大，数据越分散、越不稳定；方差越小越集中 |
| 标准差和方差的单位混淆 | 不注意公式中的平方 | 方差单位是原单位的平方，标准差单位与原单位相同 |
| 平均数变化时，方差不变？ | 错误认为方差只与数据“差”有关 | 每个数据加上同一个常数，方差不变；乘以一个常数k，方差变为$k^2$倍 |
| 用样本方差直接代替总体方差 | 不知样本方差要除以n-1（初中不涉及） | 初中阶段一律除以n即可（总体方差） |
六、学习建议
- 动手画一画：在数轴上标出数据点，画出平均数位置，直观感受“偏离程度”。图形化能帮你牢牢记住方差的意义。
- 多算几步：刚开始学方差，不要跳步，按“求平均数→求差→平方→求和→除以n”一步一步来，熟悉后可用变形公式。
- 对比极差：极差（最大值-最小值）也反映波动，但它只用了两端数据，容易受异常值影响。方差用了所有数据，更全面。
- 联系实际：想想生活中哪些地方用方差（如产品质量稳定性、考试发挥稳定性、股票波动等），加深理解。
- 组内互测：和同学互相出题，一个人给一组数据，另一个人计算方差，看谁快且准。
七、知识链接
- 平均数：方差计算的核心是平均数，没有平均数就没有离差。
- 极差：最简单的离散程度指标，但不够精细。
- 标准差：方差的算术平方根，单位复原，更常用。
- 加权方差：当数据带有不同权重时，方差也要加权（初中只学等权情况）。
- 方差的性质：每个数据加常数c，方差不变；每个数据乘常数k，方差变为$k^2$倍（这个性质很实用）。
- 数据分析三部曲：集中趋势（平均数）→离散程度（方差/标准差）→分布形状。方差是描述“离散”最关键的量。
八、习题自测
-
两组数据：A组：2, 4, 6, 8, 10；B组：4, 5, 6, 7, 8
（1）分别计算两组的方差；
（2）如果两组数据分别加上5形成新数据，新数据方差变为多少？ -
甲、乙两台机器生产同一种零件，从各自产品中随机抽取6件，测量直径（mm）如下：
甲：10.1, 10.0, 9.9, 10.0, 10.1, 10.0 乙：10.3, 9.7, 10.2, 9.8, 10.1, 9.9
问哪台机器生产更稳定？
-
某班有40名学生，一次数学测验平均分为80分，方差为100分²。后来发现忘记统计一名同学的成绩（该同学实际得分为80分），请重新计算全班（41人）的平均分和方差。
参考答案
-
（1）A组平均数6，方差$\frac{(2-6)^2+(4-6)^2+(6-6)^2+(8-6)^2+(10-6)^2}{5}=8$；B组平均数6，方差$\frac{(4-6)^2+(5-6)^2+(6-6)^2+(7-6)^2+(8-6)^2}{5}=2$。
（2）新数据方差不变（加常数不改变方差），仍为8和2。
-
甲平均数10.0，方差$\sigma_甲^2=\frac{0.01+0+0.01+0+0.01+0}{6}\approx0.005$（mm²）；乙平均数10.0，方差$\sigma_乙^2=\frac{0.09+0.09+0.04+0.04+0.01+0.01}{6}\approx0.0467$（mm²）。甲方差小，更稳定。
-
原总分40×80=3200，加80分后总分3280，新平均分$\frac{3280}{41}=80$（分）。
原平方和：由方差公式$\frac{1}{40}\sum x_i^2 - 80^2 = 100$，得$\sum x_i^2 = 40×(6400+100)=260000$。加入80分后，新的平方和$260000+80^2=266400$，新方差$\frac{266400}{41} - 80^2 = 6500.4878 - 6400 ≈ 100.49$（分²）。