定义 方差是各数据与平均数之差的平方的平均数，用于衡量数据的离散程度。
从哪来 本知识点建立在3.2 组合数（用于理解样本空间与概率分布的基础结构）和5.1 独立事件的定义（用于推导离散型随机变量方差公式 $D(X)=E(X^2)-[E(X)]^2$ 时，需处理独立项的期望乘积性质）之上。
为什么 平均数只能反映数据的“中心位置”，无法反映数据的“波动大小”。例如，两组数据平均数相同，但一组集中、一组分散，平均数无法区分。方差通过计算每个数据点偏离平均数的程度，并平方以消除正负抵消、放大偏差影响，最后取平均，从而量化了数据的离散程度。
直观物理法
适合
形象思维强、抽象逻辑较弱的学生。
将数据点想象成挂在杠杆上的重物，平均数是支点。方差就是这些重物距离支点远近的“能量总和”的平均值。距离越远，杠杆越难平衡，方差越大。强调“平方”是为了让远近都变成正的能量贡献。
公式推导法
适合
逻辑严密、喜欢代数推导的学生。
从定义 $D(X)=\sum p_i(x_i-\mu)^2$ 出发，展开为 $\sum p_i(x_i^2 - 2\mu x_i + \mu^2)$。利用期望的线性性质 $E(X)=\mu$ 和 $E(c)=c$，推导出 $D(X)=E(X^2)-2\mu E(X)+\mu^2 = E(X^2)-\mu^2$。强调这一公式在计算上的便捷性，以及其背后的代数恒等变形逻辑。
对比辨析法
适合
容易混淆概念、需要强化区分的学生。
对比“标准差”与“方差”。标准差是方差的算术平方根，单位与原数据一致，更直观；方差是平方后的量，便于数学运算（如可加性）。通过具体例子（如身高数据）计算两者，让学生体会：方差大意味着波动大，标准差大也意味着波动大，但数值不同。