概率論中的方差表示；
樣本方差，無偏估計，無偏方差。對於壹組隨機變量，隨機選取n個樣本，這組樣本的方差為Xi^2的平方和除以N-1。這是可以推導出來的。
總體方差，也叫有偏估計，其實就是我們初中高中學過的方差的標準定義，除數是n。
對於這個樣本方差和總體方差，為什麽壹個除以n-1，壹個除以n？可以在網上查壹下。實際應用中壹般會用到樣本方差，這裏就不詳細解釋總體方差了。
統計學中的方差表示；
標準差:也叫均方差，是方差的算術平方根，用σ表示。標準差可以反映數據集的分散程度。其實方差和標準差都反映了壹個數據集的離散程度，只是因為方差的平方項引起了維數的倍數變化，不能直接反映偏離程度，所以出現了標準差
還有和方差壹樣的情況:
均方差:均方差就是標準差，標準差就是均方差。
均方差(MSE):這是壹種測量“平均誤差”的簡便方法。是參數估計值與參數真實值之差的平方的期望值(平均值)。常用於信號處理的濾波算法(最小均方誤差)中，表示此時觀測值與預測值的偏差，即，
均方根值(RMS):也稱為均方根值或有效值，通過平方、平均然後求根來計算。
比如壹個幅度為100V，占空比為0.5的方波信號，如果按平均值計算，其電壓只有50V，而按均方根值計算則為70.71V。這是為什麽呢？比如有壹個100伏的電池組，每次供電後停10分鐘，也就是說占空比是壹半。如果這個電池驅動壹個10ω的電阻，供電10分鐘產生10a的電流和1000W的功率，斷電時電流和功率為零。
也就是說，均方根值反映的是有效值而不是平均值，具有壹定的實際(物理)意義。
均方根誤差:是均方誤差的算術平方根。