$s^2 = \widehat{\sigma}$ 을 위해서 분산값을 사용하는데 $\text{SS}$ 값을 구할 때 샘플의 평균을 이용하면 그 값이 항상 최소값이 되어서 이를 만회하기 위해서 n-1을 쓴다

R에서 sum( (x-v)^2 ) / n 에서 v 값으로 mean(x) 값을 쓰면 최소값이 된다는 뜻이다.

위를 알아보기 위해서 v를 x 집합의 mean을 중심으로 mean(x) 값 좌우로 3*sd(x) 값만큼 범위를 정하여 0.1씩 증가시키면서 sum( (x-v)^2 ) / n 값을 구하여 SS값이 어떻게 변하는가를 본다.

이를 R에서 gradient descent 개념으로 구한다

수학적으로 증명한다