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

Nun wird die **Stichprobenvarianz** betrachtet. Das Konzept ähnelt der **Populationsvarianz**, jedoch unterscheidet sich die Formel geringfügig, da die Daten nur eine Teilmenge der gesamten Population darstellen.


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

Dabei gilt:
- $$n$$ – Stichprobengröße;
- $$i$$ – Index jedes Elements;
- $$x_i$$ – jedes Element;
- $$\bar{x}$$ – Mittelwert der Stichprobe.


Beispiel für die Varianz, gerundet auf zwei Dezimalstellen, für die Spalte `'salary_in_usd'`:

Die Varianz der Spalte `'salary_in_usd'` beträgt **5034932663.18**

## Wichtiger Hinweis zur Varianz

Die Varianz der Spalte `'salary_in_usd'` ist ziemlich hoch, was darauf hinweist, dass die Werte in dieser Spalte **weit gestreut** sind.

Je größer die Varianz, desto weiter sind die Werte gestreut.

Hinweis

Wählen Sie aus den Diagrammen mit gleicher Anzahl an Beobachtungen und identischen Mittelwerten dasjenige mit der geringeren Varianz aus.

Erwerben Sie ein solides Fundament in Statistik mit Python. Lernen Sie grundlegende statistische Konzepte kennen und wenden Sie diese mit NumPy und pandas an. Von Basismaßen wie Mittelwert und Varianz bis hin zu Hypothesentests, Konfidenzintervallen und datenbasierten Erkenntnissen mit praxisnahen Übungen.

Erkunden Sie grundlegende statistische Prinzipien, einschließlich Datentypen, Maße der zentralen Tendenz und wesentliche Unterschiede zwischen Stichproben und Grundgesamtheiten.

Erlernen der Berechnung und Interpretation von Mittelwert, Median und Modus mit Python. Anwendung dieser Operationen mit pandas zur Analyse realer Datensätze.

Verstehen, wie Varianz und Standardabweichung die Streuung von Daten messen. Berechnung beider Werte manuell und mit Python-Werkzeugen.

Untersuchung, wie Kovarianz und Korrelation Beziehungen zwischen Variablen beschreiben. Berechnung und Vergleich beider Kennzahlen in Python anwenden.

Sicheres Beherrschen von Konfidenzintervallen zur Schätzung von Populationsparametern. Verwendung von NumPy, pandas und Visualisierungsbibliotheken zur Berechnung und Interpretation von Intervallen mit realen Daten.

Erlernen der Grundlagen von Hypothesentests und des t-Tests. Verständnis für die Planung, Durchführung und Interpretation von Tests mit Python zur Unterstützung datenbasierter Entscheidungen.

Stichprobenvarianz

Wichtiger Hinweis zur Varianz

Awesome!

Stichprobenvarianz

Wichtiger Hinweis zur Varianz