方差是衡量随机变量或一组数据离散程度的指标，其计算公式如下：

总体方差 ：

$$

sigma^2 = frac{1}{N} sum_{i=1}^{N} (X_i - mu)^2

$$

其中，$sigma^2$ 是总体方差，$X_i$ 是每个样本点，$mu$ 是总体均值，$N$ 是样本数量。

样本方差 （用于估计总体方差）：

$$

S^2 = frac{1}{n-1} sum_{i=1}^{n} (X_i - bar{X})^2

$$

其中，$S^2$ 是样本方差，$X_i$ 是每个样本点，$bar{X}$ 是样本均值，$n$ 是样本数量。

连续型随机变量的方差 ：

$$

D(X) = int_{-infty}^{infty} (x - mu)^2 f(x) , dx

$$

其中，$f（x）$ 是连续型随机变量 $X$ 的概率密度函数，$mu$ 是 $X$ 的期望值。

离散型随机变量的方差 ：

$$

D(X) = E[(X - E[X])^2] = E[X^2] - (E[X])^2

$$

其中，$E[X]$ 是 $X$ 的期望值。

这些公式可以帮助我们衡量数据集的离散程度，即数据点与其平均值的偏离程度。方差越大，表示数据的分散程度越大；方差越小，表示数据的分散程度越小。