Summary  
This chapter explains how to calculate sample variance by summing squared deviations from the mean and dividing by n − 1 to estimate data variability.  

General domain of usage  
Statistical data analysis

ここでは、**標本分散**について説明します。概念は**母分散**と似ていますが、データが全体母集団の一部のみを表すため、計算式が少し異なります。


**公式**
$$
\text{variance} = \frac{\sum^n_{i=1}(x_i-\bar{x})^2}{n-1}
$$

ここで：
- $$n$$ - 標本サイズ；
- $$i$$ - 各要素のインデックス；
- $$x_i$$ - 各要素；
- $$\bar{x}$$ - 標本平均値。


カラム `'salary_in_usd'` の分散を小数点以下2桁に四捨五入した例：

カラム `'salary_in_usd'` の分散は **5034932663.18** です。

## 分散の重要ポイント

`'salary_in_usd'` 列の分散は非常に大きく、この列の値が**広く分布している**ことを示しています。

分散が大きいほど、値のばらつきが大きいことを示します。

注意

観測数が等しく、平均値も同じグラフの中から、分散が小さいものを選択してください。

Pythonを使用して統計学の基礎をしっかりと築きます。必須の統計概念を学び、NumPyやpandasを通じて実践的に応用します。平均や分散などの基本的な指標から、仮説検定、信頼区間、データ駆動型の洞察まで、ハンズオンで習得します。

データ型、代表値、サンプルと母集団の主な違いなど、統計学の基本原則を学びます。

Pythonを使用して平均値、中央値、最頻値を計算し解釈する方法を学習します。pandasを用いて実際のデータセットでこれらの操作を練習します。

分散と標準偏差がデータのばらつきをどのように測定するかを理解します。手動およびPythonツールを使用して両方を計算する方法を学びます。

共分散と相関が変数間の関係をどのように表すかを探求します。Pythonで両方の指標を計算し比較する練習を行います。

信頼区間を習得し、母集団パラメータを推定します。NumPy、pandas、および可視化ライブラリを使用して、実データで区間を計算し解釈します。

仮説検定とt検定の基礎を学習します。データに基づいた意思決定を支援するために、Pythonを用いて検定を設計・実施・解釈する方法を理解します。