样本方差是n-1而不是n的原因在于，它是一个无偏估计量，旨在更准确地反映总体方差。当使用样本数据来估计总体方差时，我们通常使用样本均值来代表总体均值。由于样本均值的计算已经使用了n个数据点中的一个，因此在计算方差时，如果分母使用n，会导致估计值偏低，从而产生偏差。为了补偿这种偏差，我们将分母设为n-1，这样可以使样本方差的期望值等于总体方差，从而成为一个无偏估计。

具体来说，当我们计算样本方差时，我们实际上是在计算样本中各个数据点与样本均值之间差异的平方的平均值。由于样本均值已经是用n个数据点计算得到的，因此在计算方差时，如果分母是n，那么每个数据点与均值的差异会被除以n，这样就会低估了实际的方差。通过将分母改为n-1，我们实际上是在计算n-1个数据点与样本均值之间差异的平方的平均值，这样就补偿了样本均值代替总体均值所引起的偏差，使得样本方差成为总体方差的无偏估计。

当样本容量n足够大时，使用n-1和n作为分母的差别会变得不大，因为随着样本量的增加，样本均值的准确性提高，偏差的影响减小。但是，对于小样本来说，使用n-1可以更有效地估计总体方差，减少估计误差。

综上所述，样本方差使用n-1作为分母是为了使其成为总体方差的无偏估计，从而提高估计的准确性。这种方法在统计学中被广泛接受和应用。