在实践中，您通过计算方差来计算 SD（如 butcher 所示）。我相信方差被更频繁地使用（除了解释，正如您自己指出的那样），因为它具有许多统计上有趣的属性：它在很多情况下具有无偏估计，导致假设检验等的已知分布。

至于方差更大：如果方差为 1/4，则 SD 为 1/2。一旦您的方差/SD 小于 1，此顺序就会反转。

在投资组合理论中，方差是相加的。换句话说，正如投资组合的回报是其成员回报的加权平均值一样，投资组合方差也是证券方差的加权平均值。但是，此属性不适用于标准偏差。

方差是这两个度量中最基本的... stddev = sqrt(variance)。虽然夸大了，但它足以进行比较，并且当分布中存在混淆时会变得非常大。

variance(22, 25, 29, 30, 37) = 32.3
variance(22, 25, 29, 30, 900) = 152611.0

标准偏差的使用方式更频繁，因为结果与数据具有相同的单位，这使得标准偏差更适合任何类型的可视化分析。

我认为当您提到方差的实际使用时，您必须真正限定您的问题。例如，在商业中，方差没有实际用途。通过给出可以理解和应用的变化的数学表示，标准偏差具有更多的实际用途。例如，标准差可用于量化风险，如股票 Beta 计算中所示。方差没有与标准差相比的实际应用。如果我们转向更高层次的统计分析，那么方差有很多实际应用，但仅限于处理更高层次的分析，这不是绝大多数人的重点。所以这真的取决于一个人可能是一个从业者的领域。对于商业从业者来说，