在统计学中，样本均值和样本标准差是描述数据集特征的重要指标。样本均值的计算相对简单，它表示数据集中所有观测值的平均水平。具体来说，样本均值的计算公式为：$\bar{x} = \frac{1}{n}\sum_{i=1}^{n}x_i$，其中，$x_i$ 表示数据集中的第 $i$ 个观测值，$n$ 表示样本容量。
而样本标准差的计算则更为复杂一些。它表示数据集中观测值相对于均值的离散程度。样本标准差的计算公式为：$s = \sqrt{\frac{1}{n-1}\sum_{i=1}^{n}(x_i-\bar{x})^2}$，其中，$\bar{x}$ 表示样本均值，$n$ 表示样本容量。可以看到，样本标准差的计算涉及到先计算样本均值，然后再计算每个观测值与均值的差的平方，并对这些平方差进行平均，最后取平方根得到标准差。
需要注意的是，在计算样本标准差时，分母使用的是 $n-1$ 而不是 $n$。这是因为使用 $n-1$ 可以得到对总体标准差的无偏估计，而使用 $n$ 则会导致对总体标准差的低估。这个性质在统计学中被称为 Bessel’s correction，是为了修正样本方差的无偏估计而引入的。