总体方差，也叫做有偏估计，其实就是我们从初高中就学到的那个标准定义的方差：
，其中，
为总体的均值，
为总体的标准差，
为总体的样本数。
样本方差，无偏方差，在实际情况中，总体均值是很难得到的，往往通过抽样来计算，于是有样本方差，计算公式如下：
或者
，其中，
为样本的均值，
为样本的标准差，
为样本的个数。
实际操作中，我们一般通过抽样来验证总体。就会面临以下两种情况：
（总体的均值）已知
即无偏估计，方差
（总体的均值）未知
即有偏估计，此时，如果直接使用作为估计，那么你会倾向于低估方差！
这是因为
换言之，除非正好，否则我们一定有
,而不等式右边的那位才是的对方差的“正确”估计！
那么，在不知道随机变量真实数学期望的前提下，如何“正确”的估计方差呢？答案是把上式中的分母换成
，通过这种方法把原来的偏小的估计“放大”一点点，我们就能获得对方差的正确估计了：
那么，至于为什么分母是而不是
或者别的什么数呢？
即证明