均方差（mean squared deviation）是统计学中常见的衡量一组数据偏离平均值的距离的指标。
均方差公式
$$ s^2 = \frac{\sum_{i=1}^n (x_i - \bar{x})^2}{n-1} $$
其中，$$ \bar{x} $$ 为样本均值，n 为样本数。
解释一下均方差公式，即将每个数据点与样本均值相减，求出差值的平方并将这些值相加，然后将其除以样本数减一。这个计算过程可以为我们提供数据的方差，它代表的是数据点的分散程度大小。
举个例子，如果有一组数据为 [3, 5, 8, 9, 11]，首先求出均值 (3 5 8 9 11)/5=7.2，然后带入公式：
$$ s^2 = \frac{(3-7.2)^2 (5-7.2)^2 (8-7.2)^2 (9-7.2)^2 (11-7.2)^2}{5-1} = 9.76 $$
这个结果告诉我们，这组数据的方差为9.76。
均方差广泛应用于统计学、信号处理、物理学等领域中，是很多算法（如最小二乘法）和模型（如方差分析）的基本组成部分。其重要性不言而喻。
