“均方差”常见的英文表达是 "mean square deviation" 或 "root mean square deviation"（若指代标准差，即均方差的平方根，但严格对应“均方差”本身用前者更准确；不过在特定语境下，根据上下文理解，后者有时也可能被提及，但需注意其本质含义差异） ，更常用且精准对应“均方差”这一统计学概念的是 "mean squared error"（MSE，当用于衡量预测值与真实值差异的均方时，和均方差概念紧密相关，在统计学和机器学习领域广泛使用；若单纯指数据离散程度的均方差，严格讲还是 mean square deviation 更贴切，但 mean squared error 在相关计算场景中也常被用来表达类似均方差的概念） 。
mean square deviation：直接对应“均方差”这一概念，指各数据与均值之差的平方的平均数。
mean squared error (MSE)：在预测和模型评估中常用，计算预测值与真实值之差的平方的平均，虽不完全等同于单纯描述数据离散度的均方差，但在涉及预测误差等场景时，和均方差计算方式类似，是相关领域的重要术语。
例句：
The mean square deviation of this set of data is relatively small, indicating that the data points are close to the mean. （这组数据的均方差相对较小，表明数据点接近均值。）
In machine learning, mean squared error is a commonly used metric to evaluate the performance of regression models. （在机器学习中，均方误差是评估回归模型性能的常用指标。）