方差和标准差的定义：

考察样本数据的分散程度的大小，最常用的统计量是标准差。标准差是样本数据到平均数的一种平均距离，一般用s表示。
设一组数据的平均数为，则，其中s²表示方差，s表示标准差。

一般地，平均数、方差、标准差具有如下性质：

若数据的平均数是，方差为s²，标准差为s.则新数据的平均数是a＋b，方差为，标准差为
特别地，如a＝1，则新数据的方差、标准差与原数据相同，分别为s²，s。因此，当一组数据均较大且接近某个常数时，可先将每个数同时减去这个常数，再计算这组新数据的方差，它与原数据的方差相等.

方差和标准差的意义：

方差和标准差都是用来描述一组数据波动情况的特征数，常数来比较两组数据的波动大小，方差较大的波动较大，方差较小的波动较小。

用样本的数字特征估计总体的数字特征分两类：

①用样本平均数估计总体平均数．
②用样本方差、标准差估计总体方差、标准差．样本容量越大，估计就越精确．

计算标准差的算法：

(1)算出样本数据的平均数；
(2)算出每个样本数据与样本平均数的差;
(3)算出
(4)算出这n个数的平均数，即为样本方差s²；
(5)算出方差的算术平方根，即为样本标准差s.

互斥事件：

事件A和事件B不可能同时发生，这种不可能同时发生的两个事件叫做互斥事件。
如果A₁，A₂，…，A_n中任何两个都不可能同时发生，那么就说事件A₁，A₂，…A_n彼此互斥。

对立事件：

两个事件中必有一个发生的互斥事件叫做对立事件，事件A的对立事件记做。
注：两个对立事件必是互斥事件，但两个互斥事件不一定是对立事件。

事件A+B的意义及其计算公式：

（1）事件A+B：如果事件A，B中有一个发生发生。
（2）如果事件A，B互斥时，P（A+B）=P（A）+P（B），如果事件A₁，A₂，…A_n彼此互斥时，那么P（A₁+A₂+…+A_n）=P（A₁）+P（A₂）+…+P（A_n）。
（3）对立事件：P（A+）=P（A）+P（）=1。

概率的几个基本性质：

（1）概率的取值范围：[0，1].
（2）必然事件的概率为1.
（3）不可能事件的概率为0.
（4）互斥事件的概率的加法公式：
如果事件A，B互斥时，P（A+B）=P（A）+P（B），如果事件A₁，A₂，…A_n彼此互斥时，那么P（A₁+A₂+…+A_n）=P（A₁）+P（A₂）+…+P（A_n）。
如果事件A，B对立事件，则P（A+B）=P（A）+P（B）=1。

互斥事件与对立事件的区别和联系：

互斥事件是不可能同时发生的两个事件，而对立事件除要求这两个事件不同时发生外，还要求二者之一必须有一个发生。因此，对立事件是互斥事件的特殊情况，而互斥事件未必是对立事件，即“互斥”是“对立”的必要但不充分条件，而“对立”则是“互斥”的充分但不必要条件。