公式
樣本方差的公式為其中為樣本均值。
簡介
在許多實際情況下，人口的真實差異事先是不知道的，必須以某種方式計算。 當處理非常大的人口時，不可能對人口中的每個物體進行計數，因此必須對人口樣本進行計算。樣本方差也可以應用于從該分布的樣本的連續分布的方差的估計。
樣本方差的無偏性
我們從一個樣本取n個值y1，...，yn，其中n 偏差的平均值：
這裡， 表示樣本均值。
由于 是随機選擇的，所以 和 是随機變量。 他們的預期值可以通過從群體中的大小為n的所有可能樣本 的集合進行平均來評估。 對于 ，有
因此 給出了基于因子 的人口方差的估計值。 被稱為偏樣本方差。 糾正該偏差之後形成無偏樣本方差：
估計值可以簡單地稱為樣本方差。 同樣的證明也适用于從連續概率分布中抽取的樣本。
例如，n=5個樣本觀測值值為3,4,4,5,4，則樣本均值， 樣本方差 。樣本方差是常用的統計量之一，是描述一組數據變異程度或分散程度大小的指标。
實際上，樣本方差可以理解成是對所給總體方差的一個無偏估計。E(S^2)=DX。
n-1的使用稱為貝塞爾校正（Bessel's correction），也用于樣本協方差和樣本标準偏差（方差平方根）。 平方根是一個凹函數，因此引入負偏差（由Jensen不等式），這取決于分布，因此校正樣本标準偏差（使用貝塞爾校正）有偏差。 标準偏差的無偏估計是技術上的問題，對于使用術語n-1.5的正态分布，形成無偏估計。
無偏樣本方差是函數ƒ（y1，y2）=（y1-y2）2/2的U統計量，這意味着它是通過對群體的兩個樣本統計平均得到的。
樣本方差分布
作為随機變量的函數，樣本方差本身就是一個随機變量，研究其分布是很自然的。 在yi是來自正态分布的獨立觀察的情況下，Cochran定理表明s2服從卡方分布：
所以可求：
和
如果yi獨立同分布，但不一定是正态分布，那麼
如果大數定律的條件對于平方觀測值同樣适用，則s2是σ2的一緻估計量。 可以看出，估計的方差趨于零。 在Kenney and Keeping（1951：164），Rose和Smith（2002：264）和Weisstein（n.d.）中給出了漸近等效的公式。
正态總體的樣本均值和樣本方差相互獨立。
