$$
\sigma^2 = \frac{\sum{(x_i - \mu)^2}}{N}
$$
$$
s^2 = \frac{\sum{(x_i - \overline{x})^2}}{n - 1}
$$
可以证明,如果样本方差的离差平方和除以 $n-1$,而不是 $n$ 时,所得到的样本方差是总体方差的无偏估计。
$$
(\frac{标准差}{平均数} \times 100) \%
$$
$$
偏度 = \frac{n}{(n-1)(n-2)} \sum{(\frac{x_i - \overline{x}}{s})^3}
$$
当数据的偏度是正值时,通常平均数比中位数大;当数据的偏度是负值时,通常平均数比中位数小。
$$
z_i = \frac{x_i - \overline{x}}{s}
$$
与平均数的距离在 $z$ 个标准差之内的数据项所占比例至少为 $(1 - 1/z^2)$,其中 $z$ 是大于 1 的任意实数(不一定是整数)。
对于具有钟形分布的数据:
$$
\sigma_{xy} = \frac {\sum{(x_i - \mu_x)(y_i - \mu_y)}} {N}
$$
$$
s_{xy} = \frac {\sum{(x_i - \overline{x})(y_i - \overline{y})}} {n - 1}
$$