均方差（Mean Squared Deviation）的公式用中文表述如下：

均方差 = (\frac{1}{n} \sum_{i=1}^{n} (x_i - \bar{x})^2)

其中：

• (\bar{x}) 是数据集的 平均值（算术平均数），计算公式为：
  (\bar{x} = \frac{1}{n} \sum_{i=1}^{n} x_i)
• (x_i) 代表数据集中的 第 (i) 个数据点
• (n) 是数据点的 总个数
• (\sum_{i=1}^{n}) 表示对所有数据点 从 1 到 (n) 求和
• ((x_i - \bar{x})^2) 是每个数据点与平均值偏差的 平方

关键说明：

1. 计算步骤：

   • 先计算所有数据点的平均值 (\bar{x})
   • 计算每个数据点与平均值的差：(x_i - \bar{x})
   • 对每个差值 平方（消除负号，突出离散程度）
   • 将所有平方值求和：(\sum (x_i - \bar{x})^2)
   • 最后除以数据总数 (n)，得到均方差。

2. 与方差（Variance）的区别：
   统计学中的 样本方差（Sample Variance） 公式为 (\frac{1}{n-1} \sum (x_i - \bar{x})^2)（分母用 (n-1) 修正偏差）。
   均方差一般指总体方差（Population Variance），分母为 (n)。

3. 意义：
   均方差衡量数据围绕平均值的 离散程度。值越大，数据越分散；值越小，数据越集中。

示例：

数据集：([2, 4, 6])

1. 平均值 (\bar{x} = (2+4+6)/3 = 4)
2. 计算平方偏差：
   ((2-4)^2 = 4),
   ((4-4)^2 = 0),
   ((6-4)^2 = 4)
3. 求和：(4 + 0 + 4 = 8)
4. 均方差 = (8 / 3 \approx 2.67)

需要区分总体/样本时，建议明确术语，但中文里「均方差」通常指此公式。