方差（英語：Variance），應用數學裡的專有名詞。在機率論和統計學中，一個隨機變數的方差描述的是它的離散程度，也就是該變數離其期望值的距離。一個實隨機變數的方差也稱為它的二階矩或二階中心動差，恰巧也是它的二階累積量。

這裡把複雜說白了，就是將各個誤差之平方（而非取絕對值，使之肯定為正數），相加之後再除以總數，透過這樣的方式來算出各個資料分佈、零散（相對中心點）的程度。繼續延伸的話，方差的正平方根稱為該隨機變數的標準差（此為相對各個資料點間），方差除以期望值歸一化的值叫分散指數，標準差除以期望值歸一化的值叫變異係數。

“方差”（variance）這個名詞率先由羅納德·費雪（英語：Ronald Fisher）在論文《The Correlation Between Relatives on the Supposition of Mendelian Inheritance》[1]中提出。後來“半方差”（semi variance），“亞方差”（hypo variance）,“超方差”（super variance）,“圓方差”（circular variance）與“倒方差”（inverse variance）等類似概念也被逐漸延伸出去。

方差，應用數學裡的專有名詞。在機率論和統計學中，一個隨機變數的方差描述的是它的離散程度，也就是該變數離其期望值的距離。

一個實隨機變數的方差也稱為它的二階矩或二階中心動差，恰巧也是它的二階累積量。方差的算術平方根稱為該隨機變數的標準差。

方差是各個資料與其算術平均數的離差平方和的平均數，通常以σ2表示。方差的計量單位和量綱不便於從經濟意義上進行解釋，所以實際統計工作中多用方差的算術平方根——標準差來測度統計資料的差異程度。方差和標準差是測度資料變異程度的最重要、最常用的指標。

方差刻畫了隨機變數的取值對於其數學期望的離散程度。標準差、方差越大，離散程度越大。否則，反之。

若X的取值比較集中，則方差D(X)較小。

若X的取值比較分散，則方差D(X)較大。

因此，D（X）是刻畫X取值分散程度的一個量，它是衡量X取值分散程度的一個尺度。