因为样本只是总体的一部分，用n-1能减少估计的偏差，让结果更接近真实情况。总体方差要算全体数据波动，但样本算方差时，每个数都跟着样本均值转，就像用尺子量绳子但尺子本身有误差，得把误差留出来。比如5个人测身高，算他们的平均身高是170cm，每个人的偏差是（实际-170），这些偏差加起来平方后，如果直接除以5，会发现实际总偏差比真实值小，因为用了样本均值自己当标准了。所以得除以4，把偏差补回来。

样本算方差时，每个数都依赖样本均值，这就相当于用了n个数据但只剩n-1个自由度。比如有5个数据点，算它们的平均数后，每个数都跟着平均数变化，其中4个可以随便定，一个就被平均数确定了。这时候总偏差平方和除以n-1，就像给剩下的自由度分配误差。举个具体例子：假设5个数是168、170、172、174、176，平均数正好是170。每个数的偏差分别是-2、0、+2、+4、+6，平方和是4+0+4+16+36=60。如果除以5得到12，但真实总体方差应该是60/5=12（假设这是总体数据）。但如果是样本，除以4得到15，更接近总体真实波动。当样本量越大，n-1和n的差距越小，但小样本必须用n-1，否则估计会系统地偏低。就像用10个人的身高算全国平均，肯定不如1000个人的结果准，但每次都要留一个自由度给误差。