在统计学中，方差是用来衡量数据集合中数据分散程度的一种统计量。方差的公式为：

$$s^2 = frac{sum_{i=1}^n (x_i- ar{x})^2}{n-1}$$其中，$x_i$是第$i$个数据，$ ar{x}$是所有数据的平均数，$n$是数据的个数。在实际应用中，我们通常使用样本数据来估计总体的方差。如果我们使用总体数据计算方差，那么方差的公式中除以的是总体数据的个数$n$。但是，由于我们只能获得样本数据，而不能获得总体数据，所以我们需要根据样本数据来估计总体方差。在样本数据中，我们通常使用$n-1$作为除数来计算方差，这被称为“修正样本方差”。这是因为在样本数据中，使用$n$作为除数会导致方差被低估，即方差的计算结果会偏小。这是由于样本数据中的每个数据点都是从总体数据中抽取的，因此样本数据中的数据点之间存在一定的相关性，而这种相关性会导致样本方差的计算结果偏小。通过使用$n-1$作为除数，可以更好地估计总体方差。因此，当我们使用样本数据来计算方差时，应该使用$n-1$ 作为除数。