标准差与方差的区别与联系？
方差是实际值与期望值之差平方的平均值，而标准差是方差平方根。
方差和标准差：
样本中各数据与样本平均数的差的平方和的平均数叫做样本方差；样本方差的算术平方根叫做样本标准差。样本方差和样本标准差都是衡量一个样本波动大小的量，样本方差或样本标准差越大，样本数据的波动就越大。
数学上一般用E{[X-E(X)]^2}来度量随机变量X与其均值E(X)的偏离程度，称为X的方差。
定义
设X是一个随机变量，若E{[X-E(X)]^2}存在，则称E{[X-E(X)]^2}为X的方差，记为D(X)或DX。即D(X)=E{[X-E(X)]^2}，而σ(X)=D(X)^0.5（与X有相同的量纲）称为标准差或均方差。
由方差的定义可以得到以下常用计算公式：
D(X)=E(X^2)-[E(X)]^2
方差的几个重要性质（设一下各个方差均存在）。
（1）设c是常数，则D(c)=0。
（2）设X是随机变量，c是常数，则有D(cX)=c^2D(X)。
（3）设X，Y是两个相互独立的随机变量，则D(X+Y)=D(X)+D(Y)。
（4）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。
标准差(Standard Deviation)
各数据偏离平均数的距离（离均差）的平均数，它是离差平方和平均后的方根。用σ表示。因此，标准差也是一种平均数
标准差能反映一个数据集的离散程度。平均数相同的，标准差未必相同。
例如，A、B两组各有6位学生参加同一次语文测验，A组的分数为95、85、75、65、55、45，B组的分数为73、72、71、69、68、67。这两组的平均数都是70，但A组的标准差为17.08分，B组的标准差为2.16分，说明A组学生之间的差距要比B组学生之间的差距大得多。
标准方差和方差的区别？
标准差和方差的区别，概念不同，计算方法不同，涵盖范围不同。
1、概念不同。
标准差是总体各单位标准值与其平均数离差平方的算术平均数的平方根。
方差（样本方差）是每个样本值与全体样本值的平均数之差的平方值的平均数。
2、计算方法不同。
样本标准差=方差的算术平方根=s=sqrt（（x1-x）^2+（x2-x）^2+……（xn-x）^2)/（n-1））。
方差的计算公式为：设一组数据x1，x2，x3……xn中，各组数据与它们的平均数的差的平方分别是(x1-)，(x2-)……(xn-)，那么我们用他们的平均数来衡量这组数据的波动大小，并把它叫做这组数据的方差。
3、涵盖范围不同。
由于方差是数据的平方，一般与检测值本身相差太大，人们难以直观地衡量，所以常用方差开根号（取算术平方根）换算回来。这就是标准差。
方差等于各个数据与其算术平均数的离差平方和的平均数。其中，分别为离散型和连续型计算公式。称为标准差或均方差。
方差和标准差的关系是？
标准差是方差的算术平方根，标准差用s表示，方差是标准差的平方，方差用s^2表示，光看它的表示方法就可以知道二者的关系。
方差是在概率论和统计方差衡量随机变量或一组数据时离散程度的度量。 概率论中方差用来度量随机变量和其数学期望（即均值）之间的偏离程度。
统计中的方差（样本方差）是每个样本值与全体样本值的平均数之差的平方值的平均数。 在许多实际问题中，研究方差即偏离程度有着重要意义。
均值和方差的关系：
均值描述的是样本集合的中间点，它告诉我们的信息是很有限的，而标准差给我们描述的则是样本集合的各个样本点到均值的距离之平均。以这两个集合为例，[0，8，12，20]和[8，9，11，12]，两个集合的均值都是10，但显然两个集合差别是很大的，计算两者的标准差，前者是8.3，后者是1.8。
显然后者较为集中，故其标准差小一些，标准差描述的就是这种“散布度”。之所以除以n-1而不是除以n，是因为这样能使我们以较小的样本集更好的逼近总体的标准差，即统计上所谓的“无偏估计”。而方差则仅仅是标准差的平方。
标准差和方差的关系公式？
方差和标准差的公式：标准差=sqrt(((x1-x)^2+(x2-x)^2+……(xn-x)^2)/n)，是离均差平方的算术平均数的平方根，用σ表示。在概率统计中最常使用作为统计分布程度上的测量，标准差是方差的算术平方根，标准差能反映一个数据集的离散程度。
简单来说，标准差是一组数据平均值分散程度的一种度量。一个较大的标准差，代表大部分数值和其平均值之间差异较大；一个较小的标准差，代表这些数值较接近平均值。
虽然样本的真实值是不可能知道的，但是每个样本总是会有一个真实值的，不管它究竟是多少。可以想象，一个好的检测方法，其检测值应该很紧密的分散在真实值周围。
如果不紧密，与真实值的距离就会大，准确性当然也就不好了，不可能想象离散度大的方法，会测出准确的结果。因此，离散度是评价方法的好坏的最重要也是最基本的指标。
