这两者有什么区别：
average = (x1+x2)/2;
deviation1 = x1 -average;
deviation2 = x2 -average;
variance = deviation1*deviation1 + deviation2*deviation2;
还有这个：
average2 = (x1+x2);
deviation1 = 2*x1 -average2;
deviation2 = 2*x2 -average2;
variance = (deviation1*deviation1 + deviation2*deviation2) / 4;
这没有什么收获。你只是改变了比例，但在计算中并没有得到更多的有效数字。
维基百科关于方差的文章以高层次的方式解释了一些稳健计算方差的选项。
> MAX_INT/2。avg = (x1+x2)/2 # clobbers numbers > MAX_INT/2
avg = 0.5*x1 + 0.5*x2 # no clobbering
除非您正在编写语言级库，否则这几乎肯定不是问题。如果您的大多数数字很小，那么可能根本没有关系？实际上，这可能不值得考虑，因为方差的值将超过MAX_INT，因为它是一个平方量; 我想你可能希望使用标准差，但没有人这样做。
在这里，我在Python中进行一些实验（我认为通过委托数学计算给C库，Python支持IEEE什么东西...）：
>>> def compare(numer, denom):
... assert ((numer/denom)*2).hex()==((2*numer)/denom).hex()
>>> [compare(a,b) for a,b in product(range(1,100),range(1,100))]
没问题，我认为因为二进制中的2很容易表示成乘法和除法。但是，试试用3进行乘法和除法：
>>> def compare(numer, denom):
... assert ((numer/denom)*3).hex()==((3*numer)/denom).hex(), '...'
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
File "<stdin>", line 1, in <listcomp>
File "<stdin>", line 2, in compare
AssertionError: 0x1.3333333333334p-1!=0x1.3333333333333p-1
这个可能很重要吗？也许如果你正在处理非常小的数字（在这种情况下，您可能希望使用对数算术）。然而，如果您正在处理大量数字（在概率中不常见）并且延迟除法，那么就会像我提到的那样面临溢出的风险，甚至更糟的是，由于难以阅读的代码而导致错误的风险。
我必须同意David Heffernan的观点，这不会给你更高的精度。
原因在于浮点值的存储方式。你有一些位表示有效数字，还有一些位表示指数（例如3.1714x10-12）。无论你的数字有多大，有效数字的位始终相同 - 这意味着最终结果实际上并不不同。
更糟糕的是，延迟除法可能会导致溢出，如果您有非常大的数字。
如果您真的需要更高的精度，有很多库允许使用大数字或高精度数字。