最近学统计发现个有趣现象，为啥样本标准差要用n-1除？简单说就像量身高，要是量全班同学算总体标准差，就用n；但量5个同学当样本，n-1就像给这5个同学多留个名额，让结果更接近全班真实情况。比如用5个人身高算样本标准差，用n-1的话，平均数偏差会自动调小，避免把局部波动当整体波动。

其实这是统计学里贝塞尔校正的原理，专门解决样本偏差问题。假设真实总体标准差是10，用n算样本标准差会偏大，用n-1就能缩小误差。比如取3组数据：第一组5人身高差分别是2、4、6、8、10，用n-1算标准差是6.32；如果误用n算就是7.07，明显偏大。第二组10人数据，n-1和n结果差更小，只有0.17。数据越多，n-1和n的差距越小，这就是为啥大样本标准差看不出来区别。而且统计学家通过大量实验验证，n-1确实能让样本标准差成为总体标准差的无偏估计量，就像给新手司机多留个刹车距离，确保安全。