为什么方差比绝对差更常用？
方差和绝对差都能描述数据的分散程度。由于方差的单位是原数量单位的平方，所以如果要得到与原数量单位一致的量，还需要一个开方运算，得到“标准差”，单位才与原数量单位一致。
如果用每个数据与中位数之差的绝对值之和除以数据个数（简称“绝对差”）来度量数据的分散程度，则无需开方就能得到与原数量单位一致的量。
那为什么方差反而比绝对差更常用呢？ 方差反而比绝对差更常用呢？
1 方差具有更好的统计性（遵循众所周知的分布）和分析性（可微）。
2 $x^2$是可微的，而$| x |在x=0$时是不可微的。
3 通过平方化放大误差更容易找到最优解
4 方差的单位不同对于某些特殊情况的数据分布会导致武断的偏差，所以我们临床上还是选用标准差更常见些，比如血糖的参考范围$ 5.0+-1.0{mmol}/L$,其中$1.0{mmol}/L$就是标准差的2倍
因为我们通常假设误差服从正态分布
正态分布只跟均值和方差这两个参数有关
——如果你假设误差服从Cauchy分布，我相信不会有哪个脑残的问你数据的方差是多少的。
另外当数据趋于无穷的时候，绝对差可能会趋向无穷（假设误差的确是正态分布的话）
但方差会相当稳定（如果误差分布的四阶矩存在，方差的确会收敛）
页:
[1]