样本方差作为描述性统计量，是对样本数据的分散程度进行描述的度量。对样本量为的随机样本，样本均值为，则样本方差为。它是刻画样本数据分散性的一种指标。样本方差作为一个统计量“差不多”等于该随机变量与样本均值差的平方的平均数（其中“差不多”是指这里平均用而不是用作分母），用作为分母是为总体方差提供一个无偏估计量。样本方差可以近似认为是中心化样本随机变量的二阶样本矩。

直接算法。由样本方差的定义直接计算，有：

递推算法。令，，则有递推公式：

式中，分别为的样本均值和样本方差，显然：

两轮算法（减常数法）。设为一常数，可取为或，则有：

以上三种算法，直接算法计算量少，计算公式简单；递推算法计算量虽比直接算法大，但它可以给出一系列中间结果，，且避免了计算过程中可能发生的溢出现象，提高了计算结果的精度；两轮算法若取，计算结果的精度最高，但其计算量比其余两种方法大些。

置信区间：样本均值是数据位置的度量，也就是说，如果将数据画在X轴上，均值大致描述了观测中心在哪里；然而，在数据的分析中，还需要测量观测值的散布情况，而样本方差就是这样的度量。方差的平方根，即标准差提供了一种与X具有相同单位的度量。当总体为正态分布，平均数为，标准差时，大约95%的观测值可能介于和之间。故在处理样本时，用和来对样本总体进行估计。

样本方差分布：当总体为正态分布时，样本方差满足：

总体不是正态分布，但样本独立同分布时，虽然无法求出其具体分布，但可得出期望及方差如下：

式中为样本4阶中心矩。

设获得了如下三个样本。样本A：3，4，5，6，7。样本B：1，3，5，7，9。样本C：1，5，9。通过简单的计算可知，三个样本的均值都是5，即。样本容量分别为5，5，3。从而三个样本的样本方差分别为：

由上述计算知，虽然均值相同，但数据的分散程度越来越大。