首先，為什麼樣本方差（sample variance）的分母是 n-1？

這個問題請參考

其次，在估計總體的標準差的時候，即使分母用 n-1 也不是無偏估計，事實上，對總體標準差的無偏估計需要先估計總體的分佈。換而言之，如果總體的分佈未知，無法對總體標準差做無偏估計。至於有時候我們對總體的標準差的估計用根號下方差的估計，只是為了方便而已，沒什麼特別的。

如果說方差是用來衡量一個樣本中，樣本值的偏離程度的話，協方差就是用來衡量兩個樣本之間的相關性有多少，也就是一個樣本的值的偏離程度，會對另外一個樣本的值偏離產生多大的影響，協方差是可以用來計算相關係數的，相關係數p=cov(a.b)/sa*sb,cov(a.b)是協方差，sasb分別是樣本標準差。

異方差性（heteroscedasticity）是相對於同方差而言的。所謂同方差，是為了保證迴歸引數估計量具有良好的統計性質，經典線性迴歸模型的一個重要假定：總體迴歸函式中的隨機誤差項滿足同方差性，即它們都有相同的方差。如果這一假定不滿足，即：隨機誤差項具有不同的方差，則稱線性迴歸模型存在異方差性。所謂殘差是指觀測值與預測值（擬合值）之間的差，即是實際觀察值與迴歸估計值的差。