SQL中VAR_POP函数计算总体方差

先说一个核心区别：VAR_POP和VAR_SAMP这两个函数，关键就在分母——前者用n，后者用n-1。听起来只是减了1，但背后的统计逻辑完全不同。VAR_POP适合处理全量数据，比如某一天的所有订单金额；VAR_SAMP则用于抽样估计，比如从用户池里随机抽1000条记录来推算整体波动。如果搞混了，方差要么被高估，要么被低估，在小数据集上尤其明显。

举个简单的例子：全班50人的考试成绩，直接用VAR_POP算方差，反映的是这50人成绩的离散程度；但如果只随机抽取10个人的成绩来推算全班的波动，那就该用VAR_SAMP。用错了，结果就没意义了。

VAR_POP 是什么，它和 VAR_SAMP 有什么区别？

VAR_POP 是 SQL 标准的聚合函数，专门计算总体方差。它会自动忽略 NULL 值，调用方式也简单——直接对数值列使用就行。不过要注意：它不接受表达式以外的参数，也不支持窗口函数语法（除非数据库明确支持，比如 PostgreSQL 14+）。

一个常见的坑：不少人用 VAR_SAMP 替代 VAR_POP，却没意识到分母差异，结果导致方差偏大。尤其当数据量很小时，这个偏差会非常扎眼。

怎么写一个正确的 VAR_POP 查询？

SELECT VAR_POP(sales_amount) AS pop_varianceFROM ordersWHERE order_date >= '2024-01-01';

适用场景很明确：

• 汇总报表里想反映“这批数据本身的离散程度”，而不是推断更大总体
• 数据库已确认没有异常 NULL，或者通过 WHERE 过滤掉了无效记录
• 不需要分组，直接算整个表或某个子集的总体方差

需要注意的是，各大主流数据库（PostgreSQL、MySQL 8.0+、SQL Server、Oracle）都支持 VAR_POP(expression)，但 MySQL 5.7 及更早版本不支持这个函数，执行会报错：FUNCTION db.VAR_POP does not exist。

遇到 NULL 或空结果集时 VAR_POP 返回什么？

VAR_POP 在处理0行数据时，返回的是 NULL 而不是0——这一点容易被忽视，导致误判为“没有波动”。如果业务上需要默认值，得显式处理：

SELECT COALESCE(VAR_POP(score), 0) AS pop_varianceFROM students;

还有几个容易踩的坑：

• NULL值太多：直接对含大量 NULL 的列调用 VAR_POP，实际参与计算的行数远少于预期，结果就不准确了
• GROUP BY 混用：在 GROUP BY 查询里混用 VAR_POP 和非聚合字段，会触发 SQL 错误（比如 ERROR 1055 (45000): Expression #1 of SELECT list is not in GROUP BY clause）
• DISTINCT 不支持：别想用 VAR_POP(DISTINCT column)，它不认；要去重得先写个子查询

性能和精度需要注意什么？

VAR_POP 内部通常采用两遍算法：先算均值，再算平方差。对大数据集来说，这会带来轻微 I/O 和内存开销。有些数据库（比如 PostgreSQL）在列上有统计信息时能做一些优化，但要得到真实值，全表扫描跑不了。

精度方面，浮点误差在极端值下会暴露出来——比如数值范围跨 10^15 级别。这时可以考虑先中心化（减去近似均值）再计算，或者干脆用 DECIMAL 类型存储原始数据。

最后提醒一点：方差本身是原单位的平方，解读时需要换算成标准差（SQRT(VAR_POP(...))）才有实际业务意义。没人会说“销售额方差是 12000000 元”，但说“标准差约 3464 元”就直观多了。