1、方差估计量的期望程度是我们想量化的误差来源:

方差估计量（Variance Estimator）是指用于估计总体方差的统计量。方差是衡量数据分散程度的一个重要指标，它反映了数据点与均值之间的平均平方偏差。由于在实际应用中我们通常只能从总体中抽取样本，因此我们需要使用样本数据来估计总体的方差。

最常用的方差估计量是样本方差（Sample Variance）：无偏估计

除了样本方差，还有其他类型的方差估计量，例如：

1. 总体方差的有偏估计量：

2. 最大似然估计量（MLE）： 在概率论和统计学中，最大似然估计量是通过最大化似然函数来估计总体参数的方法。对于正态分布，最大似然估计量与有偏估计量相同。

3. 贝叶斯估计量： 贝叶斯估计量是基于贝叶斯定理的估计量，它将先验知识与样本数据结合起来估计总体参数。

• 方差是衡量随机变量或一组数据点分散程度的统计量。在估计参数时，方差衡量了所有可能的样本均值（或其它统计量）之间的差异程度。方差越大，意味着不同的样本可能会给出差异较大的估计值，即估计的不确定性或可靠性较低。
• 我们希望通过估计方差来了解我们的估计值（比如样本均值）可能偏离真实总体均值的程度。

2、均值的标准差（Standard Deviation of the Mean），也称为标准误差（Standard Error）

是指样本均值的抽样分布的标准差。它衡量了样本均值与总体均值之间的平均偏差，反映了样本均值的抽样变异性，即不同样本均值之间的差异程度。用于构建置信区间，估计总体均值的可能范围。用于假设检验，评估样本均值与某个假设值之间的差异是否具有统计学意义。均值的标准差（标准误差）是通过样本标准差来估计的。

3、均值接近高斯分布

当样本大小足够大时，样本均值的抽样分布将近似于正态分布（高斯分布），无论总体分布的形状如何。这一现象是中心极限定理（Central Limit Theorem, CLT）的直接结果。

1. 置信区间：我们可以使用正态分布的性质来构建样本均值的置信区间，估计总体均值的可能范围。