均值、方差、平方差、均方差（标准差）的含义及区别如下：

1. 均值（Mean）：表示数据的中心位置或集中趋势，计算公式为 $\mu =\frac{{\sum }_{i=1}^n{x}_i}{n}$，其中 $n$ 是数据的个数，$x_i$ 是每个数据点。
2. 方差（Variance）：衡量数据与均值的离散程度，计算公式为 ${\sigma }^2=\frac{{\sum }_{i=1}^n(x_i-\mu {)}^2}{n}$。
3. 平方差（Sum of Squared Differences）：表示数据点与某个特定值（如均值）之间的差的平方的总和，计算公式为 ${\sum }_{i=1}^n(x_i-\mu {)}^2$。
4. 均方差（Standard Deviation）：也称为标准差，是方差的平方根，表示数据的离散程度，计算公式为 $\sigma =\sqrt{\frac{{\sum }_{i=1}^n(x_i-\mu {)}^2}{n}}$。
5. 协方差（Covariance）：衡量两组数据之间相关性的指标，计算公式为 $cov(X,Y)=\frac{{\sum }_{i=1}^n(x_i-{\mu }_x)(y_i-{\mu }_y)}{n-1}$，其中 $X$ 和 $Y$ 是两组数据，${\mu }_x$ 和 ${\mu }_y$ 分别是 $X$ 和 $Y$ 的均值。

在C++中，可以使用以下代码来计算这些统计量：

#include <iostream>
#include <vector>
#include <cmath>
#include <numeric>
#include <algorithm>

double mean(const std::vector<double>& data) {
    return std::accumulate(data.begin(), data.end(), 0.0) / data.size();
}

double variance(const std::vector<double>& data) {
    double mean_val = mean(data);
    return std::accumulate(data.begin(), data.end(), 0.0, 
        [mean_val](double sum, double val) { return sum + (val - mean_val) * (val - mean_val); }) / (data.size() - 1);
}

double sum_of_squared_differences(const std::vector<double>& data) {
    double mean_val = mean(data);
    double sum = 0.0;
    for (const auto& val : data) {
        sum += std::pow(val - mean_val, 2);
    }
    return sum;
}

double standard_deviation(const std::vector<double>& data) {
    return std::sqrt(variance(data));
}