Конкретный пример, для чего нужна дисперсия данных в статистике?

Ну на сколько я понял, зачастую при анализе чего либо. Например в Астраномии кол-во звезд плант с какими то характеристиками, что бы была возможность спрогназировать. Или при эмпирических измерениях и оппять же прогноз корреляции этих измерений. Не претендую на истину в последней инстанции, но чисто если по логике, т.к. сам далёк от всего этого)
https://www.google.com/url?sa=i&url=http%3A%2F%2Fwww.astronet.ru%2Fdb%2Fmsg%2F1246874%2F6.3.html&psig=AOvVaw30do4om9LQkKWenro9pe4M&ust=1741310859389000&source=images&cd=vfe&opi=89978449&ved=0CBQQjRxqFwoTCNjb8aam9IsDFQAAAAAdAAAAABAE

Например, высчитать оптимальную высоту потолков в строящемся доме, оптимальную длину кроватей в вагоне междугороднего поезда, количество людей, которые безопасно могут вместиться в лифт.
Например, с одной стороны длину кроватей надо делать как можно меньше, потому что вагон не резиновый, с другой стороны длина людей в лежачем положении разная и надо чтоб как можно бОльшее количество людей не испытывали дискомфорта при поездке в поезде, для этого и вычисляют, что, например, 99.8% всех людей помещаются в кровать 196 см (цифра условная), остальные люди будут испытывать дискомфорт, но их очень мало и они перетерпят.
Взяли некоторую группу людей и измерили их длину в лежачем положении, получили их дисперсию (разброс значений в см), выделили ту область, где помещается наибольший максимум и получили оптимальное значение длины кровати для указанной группы людей, которое с большой долей достоверности описывает всех возможных потенциальных пассажиров.