方差计算中除以个数的原因与样本方差和总体方差的估计有关。以下是简洁明了的解释：

样本方差：

当我们从总体中随机抽取样本并计算样本方差时，我们希望这个样本方差能作为总体方差的一个估计。由于样本只是总体的一部分，直接除以样本数量（n）会导致方差偏小，因为它没有充分考虑所有数据点。

无偏估计：

为了得到一个无偏的估计，即这个估计值期望值等于总体的真实方差，我们通常将样本方差除以`n-1`而不是`n`。这样做的原因是，在计算样本均值时已经用到了所有样本数据，剩下的一个数据点可以由其他数据点和均值唯一确定，因此在计算方差时，这个数据点不提供额外的信息，或者说它的信息已经被包含在前`n-1`个数据点中。

偏差与方差：

除以`n-1`可以使得样本方差的期望值等于总体方差，这是统计学中一个重要的概念，称为无偏估计。如果除以`n`，样本方差的期望值会小于总体方差，导致估计值偏小，这是一种有偏的估计。

样本大小的影响：

当样本量`n`很大时，除以`n`和`n-1`的差异会变得很小。但是当样本量较小（例如`n`小于5）时，这种差异会比较明显，此时除以`n-1`能更合理地估计总体的离散程度。

总结来说，样本方差除以`n-1`是为了得到一个更准确、无偏的总体方差估计。这种方法在统计学中被广泛接受和使用