方差是概率论和统计学中用来衡量随机变量或一组数据的离散程度的指标。以下是方差的一些基本公式：

总体方差

$$

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

$$

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{sum_{i=1}^{n} （X_i - bar{X}）^2}{n-1}

$$

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。

方差的性质

如果 $c$ 是常数，则 $D（c） = 0$。

如果 $X$ 是随机变量，$c$ 是常数，则 $D（cX） = c^2D（X）$。

如果 $X$ 和 $Y$ 是两个相互独立的随机变量，则 $D（X+Y） = D（X） + D（Y）$。

$D（X） = 0$ 的充分必要条件是 $X$ 以概率为 1 取常数值 $c$，即 $P{X=c}=1$，其中 $E（X）=c$。

对于两个随机变量 $X$ 和 $Y$，方差的乘积公式为 $D（aX+bY） = a^2D（X） + b^2D（Y） + 2abE{[X-E（X）][Y-E（Y）]}$。

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，$E（X）$ 是随机变量 $X$ 的期望值。

方差越大，表示随机变量的取值越分散；方差越小，表示取值越集中。标准差是方差的平方根，它与方差有相同的量纲，并且是衡量数据离散程度的一个常用统计量