为什么样本方差（sample variance）的分母是 n-1

样本方差的分母是 n-1 是因为样本方差是对总体方差的无偏估计。在统计学中，为了估计一个总体的方差，我们通常会从总体中抽取一个样本，并计算出该样本的方差。然而，如果我们使用样本方差的标准公式（分母为n），那么我们会发现样本方差的估计值会比总体方差的估计值小。这是因为在计算样本方差时，我们使用了样本均值来代替总体均值，这会导致一些信息的损失。为了消除这种偏差，我们使用样本方差的无偏估计公式（分母为n-1）。这样就能够更好地估计总体方差。

相关问题

sample variance的公式

样本方差的公式如下：


其中，s^2表示样本方差，xi表示第i个观测值，x̄表示所有观测值的平均数，n表示样本容量（即观测值的数量）。

样本方差的计算步骤如下：

1. 计算所有观测值的平均数x̄。
2. 对于每个观测值xi，计算其与平均数x̄的差值(xi - x̄)。
3. 将所有差值的平方累加起来，得到SSE（sum of squared errors）。
4. 计算样本方差s^2=SSE/(n-1)。

需要注意的是，分母中的n-1是用来校正样本方差的偏差的，这是因为在计算中使用样本平均数来估计总体平均数时，会引入一些偏差。因此，使用n-1作为分母可以更好地估计总体方差。

sample_var <- apply(touzi, 1, function(x) weighted.var(x, w=weights))这行代码怎么改，我要计算每一行的Sample variance

如果你想计算每一行的样本方差，可以将weighted.var函数的bias参数设置为FALSE，例如：

sample_var <- apply(touzi, 1, function(x) weighted.var(x, w=weights, bias=FALSE))

其中，weighted.var函数计算每一行的加权样本方差，将bias参数设置为FALSE后，就会计算每一行的样本方差而非有偏样本方差。

需要注意的是，计算样本方差时，分母通常是n-1而非n，因此有时也称为无偏样本方差。如果你想计算有偏样本方差，可以将bias参数设置为TRUE。