모집단의 평균을 모를 경우, 우리는 샘플링된 결과들만 갖고 모집단의 평균을 추측하고, 그 표본평균으로부터 다시 표본분산을 추측해야 합니다. 이때 표본평균 자체의 분산에서 기인하는 효과로 인하여, 만약 우리가 그냥 N으로 나누게 되면 거의 항상 표본분산이 실제 모분산보다 작게 나오게 됩니다. 즉, 편중이 발생하지요. 그래서 그 효과를 보정해주기 위해 N 대신 N-1 로 나누는데, 이것을 Bessel's correction이라고 부릅니다. 자세한 내용은 위키피디아의 관련 항목 (http://en.wikipedia.org/wiki/Bessel%27s_correction) 을 참조하세요.
모집단의 평균을 모를 경우, 우리는 샘플링된 결과들만 갖고 모집단의 평균을 추측하고, 그 표본평균으로부터 다시 표본분산을 추측해야 합니다. 이때 표본평균 자체의 분산에서 기인하는 효과로 인하여, 만약 우리가 그냥 N으로 나누게 되면 거의 항상 표본분산이 실제 모분산보다 작게 나오게 됩니다. 즉, 편중이 발생하지요. 그래서 그 효과를 보정해주기 위해 N 대신 N-1 로 나누는데, 이것을 Bessel's correction이라고 부릅니다. 자세한 내용은 위키피디아의 관련 항목 (http://en.wikipedia.org/wiki/Bessel%27s_correction) 을 참조하세요.