1. 定义不同
样本方差是针对一个样本的统计量，用于衡量样本数据分散程度的一种估计值。总体方差是用于衡量整个总体（所有可能取值）的数据分散程度的参数。
2. 描述公式不同
样本方差通常使用样本离均差平方和来计算：
$S^2=\frac{\sum_{i=1}^{n}(x_i-\bar{x})^2}{n-1}$
其中，$x_i$代表第i个样本观测值，$\bar{x}$代表样本均值，n代表样本量。
总体方差使用总体离均差平方和加权平均数来计算：
$\sigma^2=\frac{\sum_{i=1}^{N}(x_i-\mu)^2}{N}$
其中，$x_i$代表第i个总体观测值，$\mu$代表总体均值，N代表总体大小。
3. 用途不同
在统计推断中，样本方差被用于估计总体方差，从而进行假设检验、置信区间估计等分析。而总体方差作为参数，被用于确定正态分布、抽样分布等模型的特征和性质。
4. 计算方式不同
样本方差是通过对一组数据进行计算得出的统计量，需要实际获取样本数据。而总体方差则需要对整个数据总体进行统计计算，通常需要应用数学公式进行计算。
5. 自由度不同
在计算样本方差时，由于均值已知，需要对每个样本数据与均值的差异进行计算，所以需要减去一个自由度，即n-1。而在计算总体方差时，则不需要减去自由度。这是因为总体方差的计算已经考虑到了所有的数据点，不存在估计误差。
