方差第二公式，也就是方差公式的另一种写法，大家平时在套公式的时候总爱看用到那个 $frac{1}{n}sum_{i=1}^{n}(x_i-bar{x})^2$ 的形式，但这实际上是教材里的标准定义，数学上看起来挺严谨。
不过在这个世界里，我们更习惯用平均偏差来聊它，也就是方差 = 平均偏差的平方。
这俩长得像，但算出来的结局不一样，一个是“均方误差”，一个是“平均偏差”，搞混了可不中。 说到这个公式，最早就是卡方分布的祖传底牌，别老拿它当万能公式到处炫，在一般统计场景里，它确实不如第一公式好用，但起码是个“备胎”，关键时刻能救场。
你看那个核心区，大局部数据都挤在均值周围，这时候用第一公式，误差小，算得准；要是数据飘忽不定，分布挺散，第一公式那脑子转得就慢，好办卡壳，这时候就得靠第二公式，别看它算个平方，略微有点“虚胖”，但在处理那些离群值、要么需求平均偏差这种场景下，它就是个智慧的偷懒法。 为啥偏偏是第二公式能火呢？出于咱们人脑处理数字的时候，对平方这种运算没那么敏感，但对加减法挺在行。当你把一个个偏差不平去加减的时候，最终再平方，大量时候这种“虚胖”效应反而是好事。
比如你算一组数据，几个点离均值特别远，第一公式会让大数儿起头，算出来结局偏小，告诉你这些点特别离谱；但第二公式呢，大数儿平方之后更是“重头”，算出来结局偏大，能帮你把那些异常值给掀翻。
不过话说回来，第二公式有个致命伤，就是它天生带着个平方，量级直接翻倍。
要是你有一组数据，平均值差大，但数量极少，第二公式算出来的方差可能比第一公式大一个数量级，这时候你得格外小心，别被这个“胖”得离谱的数字吓到，认定方差真就特别大。 咱还是拿个具体例子来唠唠，这样好理解。假设我们有一组数据：2, 4, 6, 8, 10。咱们均值一眼就能看出来是 6。 用第一公式算，分别是 $-4, 2, 0, 2, 4$，平方后加起来是 $28$，除以 5 个数据，结局是 $5.6$。 用第二公式算，同样的偏差点，平方后加起来是 $10+10+4+16+16=56$，除以 5 个数据，结局是 $11.2$。 你看啊，这 5.6 和 11.2，差了整整一倍多。
这说明啥？说明这组数据的波动实际上挺大的，大局部数据离 6 确实挺近，但也绝对有离特别远的点。
第一公式表现正常，把“平均距离”给算清楚了；第二公式呢，把“平均距离的平方”算成了 11.2。
要是你拿去跟第一公式的 5.6 比大小，第二公式的数值大得多，简直有点“虚胖”。
这时候要是你是用方差来做某种假设检验，要么做变异系数这种指标，第二公式那虚胖带来的庞大数值，可能会害得你判断失误，误当作波动极大。 特别是当你组数 $n$ 挺小的时候，这种“虚胖”效应会更明显。
比如只有两个数据点，10 和 12。均值是 11。
第一公式算出来是 0.4，第二公式算出来是 $64/4 = 16$。
这俩差得忒远了，彻底不能混用。
这时候第一公式稳稳当当，告诉你这两个点紧紧挨着，波动极小；第二公式呢，直接告诉你波动极大，仿佛这两个点原来是个天差地别的天宫和地狱。 故此说啊，选哪个公式，得看你要干嘛。
要是只想粗略地看看数据散不散，第一公式就够了，主打一个“稳扎稳打”。
要是得深入研究，要么要评估那些离群值对整体影响多大，要么涉及到变异系数这种相对稳定性指标，那就务必用第二公式，哪怕它算出来的数字大得离谱，那也是它自己的逻辑。别总想着只有一种公式，数学这东西，有时候多给点选择，反倒能更灵活地应对各种情况。 实际上这背后还有个深层缘由，就是第二公式更符合“平均偏差”的直观感觉，它直接告诉你“每个点平均偏离了多少”，然后一平方，相当于惩罚了那些偏差大的点，让结局变得更“重”，更“实”。而第一公式直接求“平均平方”，有时候这种平均下去，会把那些绝大多数点给压得忒“轻”了，就像分母里全是小脚丫，鞋子显得特别大。
故此，第一公式是“平均平方”，第二公式是“平方平均”，别看名字倒着，但道理一个也不差，只是侧重点不同/拉倒。 最终再啰嗦两句，别总盯着那个 $frac{1}{n}$ 看，实际上甭管哪个公式，核心都是衡量分散程度。
第二公式别看后期多了个平方，但在数据分布均匀、且没有极端离群值的时候，它往往是更精确的度量。
要是数据分布特别怪，那第二公式就得慎用，那时候第一公式才是你的“救命稻草”。
总而言之，方差这东西，没有绝对的好坏，只有适用与否。依据自己的需求选对工具，比死磕某一种公式要有用得多。
