¿Qué es la desviación estándar?
La desviación estándar cuantifica la dispersión de un conjunto de datos en relación con su media. Una desviación estándar baja indica que los puntos de datos se agrupan estrechamente alrededor de la media. Una desviación estándar alta significa que los puntos de datos se extienden ampliamente a lo largo de un amplio rango de valores.
Los analistas utilizan esta métrica para medir la volatilidad, el riesgo y la consistencia. En finanzas, una acción con una alta desviación estándar experimenta fluctuaciones de precio significativas. En la fabricación, una desviación estándar baja indica un control de calidad estricto y dimensiones de producto consistentes.
Desviación estándar de la población vs. de la muestra
Calcular la desviación estándar requiere un punto de referencia central preciso. Primero debes determinar la media de tu conjunto de datos antes de medir su dispersión. Nuestra Calculadora de Media proporciona el valor central exacto requerido para este paso fundamental.
La fórmula matemática cambia según si tus datos representan una población entera o un subconjunto. Usar la fórmula incorrecta introduce un sesgo sistemático en tu análisis estadístico.
| Característica | Desviación estándar de la población ($\sigma$) | Desviación estándar de la muestra ($s$) |
|---|---|---|
| Definición | Mide la dispersión de un grupo entero. | Mide la dispersión de un subconjunto (muestra). |
| Denominador | Divide por $N$ (tamaño total de la población). | Divide por $n - 1$ (corrección de Bessel). |
| Caso de uso | Datos de censo, registros completos. | Encuestas, experimentos, estadística inferencial. |
Fórmulas de la desviación estándar
La notación matemática cambia según si calculas la dispersión para una población entera o una muestra. Ambas fórmulas dependen del operador de sumatoria, denotado por la letra griega mayúscula Sigma ($\sum$).
Fórmula de la desviación estándar de la población
Cuando posees datos para cada miembro de la población, la fórmula es:
Donde:
- $\sigma$ = desviación estándar de la población
- $\mu$ = media de la población
- $x_i$ = cada valor individual
- $N$ = número total de valores en la población
Fórmula de la desviación estándar de la muestra
Cuando trabajas con una muestra extraída de una población más grande, la fórmula es:
Donde:
- $s$ = desviación estándar de la muestra
- $\bar{x}$ = media de la muestra
- $x_i$ = cada valor individual
- $n - 1$ = grados de libertad (corrección de Bessel)
Las fórmulas abreviadas (de cálculo)
La fórmula de cálculo ofrece una alternativa más rápida al trabajar con estadísticas resumidas. Elimina la necesidad de calcular desviaciones individuales respecto a la media. Este método es muy práctico para grandes conjuntos de datos o cálculos manuales.
Fórmula abreviada para la población:
Fórmula abreviada para la muestra:
Cálculo manual de la desviación estándar
El cálculo manual sigue un proceso estricto de seis pasos. Aunque nuestra calculadora lo automatiza, comprender la mecánica sigue siendo esencial para la alfabetización estadística. Los siguientes ejemplos demuestran ambos métodos en detalle.
Desviación estándar de la muestra
Un investigador farmacéutico registra los tiempos de recuperación (en días) de 8 pacientes que toman un nuevo medicamento. El conjunto de datos es: $12, 15, 14, 18, 13, 16, 14, 17$. Tratamos esto como una muestra extraída de una población más grande de todos los pacientes potenciales.
Solución
- Calcula la media de la muestra ($\bar{x}$): Suma los valores ($119$) y divide por $n$ ($8$). $\bar{x} = 14,875$ días.
- Encuentra las desviaciones respecto a la media: Resta $14,875$ de cada valor (ej. $12 - 14,875 = -2,875$).
- Eleva al cuadrado cada desviación: Multiplica cada desviación por sí misma (ej. $(-2,875)^2 = 8,265625$).
- Suma las desviaciones al cuadrado: Suma todos los valores al cuadrado. $\sum (x_i - \bar{x})^2 = 28,875$.
- Divide por $n-1$ para obtener la varianza de la muestra ($s^2$): $28,875 \div 7 = 4,125$.
- Toma la raíz cuadrada: $\sqrt{4,125} \approx 2,031$.
Resultado: La desviación estándar de la muestra es de 2,031 días. Esto indica que, en promedio, los tiempos de recuperación de los pacientes se desvían del tiempo medio de recuperación de 14,875 días en aproximadamente 2,031 días.
La siguiente tabla detalla los cálculos de desviación para esta muestra:
| Observación ($x_i$) | Desviación ($x_i - \bar{x}$) | Desviación al cuadrado $(x_i - \bar{x})^2$ |
|---|---|---|
| 12 | -2,875 | 8,266 |
| 15 | 0,125 | 0,016 |
| 14 | -0,875 | 0,766 |
| 18 | 3,125 | 9,766 |
| 13 | -1,875 | 3,516 |
| 16 | 1,125 | 1,266 |
| 14 | -0,875 | 0,766 |
| 17 | 2,125 | 4,516 |
| Suma: | 28,875 | |
Desviación estándar de la población
Un profesor registra las calificaciones del examen final de los 10 alumnos de una clase pequeña. El conjunto de datos es: $78, 82, 85, 90, 92, 88, 84, 86, 91, 89$. Como esto incluye a cada alumno de la clase, lo tratamos como una población completa.
Solución
- Calcula la media de la población ($\mu$): Suma los valores ($865$) y divide por $N$ ($10$). $\mu = 86,5$ puntos.
- Encuentra las desviaciones respecto a la media: Resta $86,5$ de cada valor (ej. $78 - 86,5 = -8,5$).
- Eleva al cuadrado cada desviación: Multiplica cada desviación por sí misma (ej. $(-8,5)^2 = 72,25$).
- Suma las desviaciones al cuadrado: Suma todos los valores al cuadrado. $\sum (x_i - \mu)^2 = 198,5$.
- Divide por $N$ para obtener la varianza de la población ($\sigma^2$): $198,5 \div 10 = 19,85$.
- Toma la raíz cuadrada: $\sqrt{19,85} \approx 4,455$.
Resultado: La desviación estándar de la población es de 4,455 puntos. Esto indica que las calificaciones de los alumnos se desvían típicamente de la media de la clase de 86,5 puntos en aproximadamente 4,455 puntos.
La siguiente tabla detalla los cálculos de desviación para esta población:
| Observación ($x_i$) | Desviación ($x_i - \mu$) | Desviación al cuadrado $(x_i - \mu)^2$ |
|---|---|---|
| 78 | -8,5 | 72,25 |
| 82 | -4,5 | 20,25 |
| 85 | -1,5 | 2,25 |
| 90 | 3,5 | 12,25 |
| 92 | 5,5 | 30,25 |
| 88 | 1,5 | 2,25 |
| 84 | -2,5 | 6,25 |
| 86 | -0,5 | 0,25 |
| 91 | 4,5 | 20,25 |
| 89 | 2,5 | 6,25 |
| Suma: | 198,50 | |
Cálculo con la fórmula abreviada
Un inspector de control de calidad mide el diámetro de 5 varillas metálicas en milímetros. El conjunto de datos es: $10,1, 9,9, 10,0, 10,2, 9,8$. Usaremos la fórmula abreviada de la muestra para evitar calcular desviaciones individuales.
Solución
- Calcula la suma de los valores ($\sum x_i$): $10,1 + 9,9 + 10,0 + 10,2 + 9,8 = 50,0$.
- Calcula la media de la muestra ($\bar{x}$): $50,0 \div 5 = 10,0$ mm.
- Calcula la suma de los valores al cuadrado ($\sum x_i^2$): $10,1^2 + 9,9^2 + 10,0^2 + 10,2^2 + 9,8^2 = 102,01 + 98,01 + 100,00 + 104,04 + 96,04 = 500,10$.
- Aplica la fórmula abreviada de la muestra: $s = \sqrt{\frac{500,10 - 5(10,0)^2}{5-1}}$.
- Simplifica el numerador: $500,10 - 5(100) = 500,10 - 500 = 0,10$.
- Divide y toma la raíz cuadrada: $s = \sqrt{\frac{0,10}{4}} = \sqrt{0,025} \approx 0,158$.
Resultado: La desviación estándar de la muestra es de 0,158 mm. La fórmula abreviada evitó con éxito la tediosa resta y elevación al cuadrado de desviaciones individuales.
Comparación de consistencia: Un ejemplo de doble conjunto
Una fábrica opera dos máquinas que llenan botellas de 1 litro. La máquina A produce volúmenes de: $998, 1002, 1000, 1001, 999$ ml. La máquina B produce volúmenes de: $990, 1010, 1005, 995, 1000$ ml. Ambas máquinas tienen una media idéntica de 1000 ml, pero su consistencia difiere drásticamente.
Solución
- Analiza la máquina A: Las desviaciones respecto a la media son muy pequeñas ($-2, 2, 0, 1, -1$). La suma de las desviaciones al cuadrado es solo 10. Dividir por $n-1$ (4) da una varianza de 2,5. La desviación estándar es $\sqrt{2,5} \approx 1,58$ ml.
- Analiza la máquina B: Las desviaciones son mucho mayores ($-10, 10, 5, -5, 0$). La suma de las desviaciones al cuadrado es 250. Dividir por 4 da una varianza de 62,5. La desviación estándar es $\sqrt{62,5} \approx 7,91$ ml.
Resultado: La máquina A tiene una desviación estándar de 1,58 ml, mientras que la máquina B tiene una desviación estándar de 7,91 ml. Aunque ambas máquinas alcanzan el objetivo de 1000 ml en promedio, la máquina A es mucho más consistente y confiable para la fabricación.
Desviación estándar vs. Varianza y Rango
La varianza y la desviación estándar miden el mismo concepto, pero utilizan unidades diferentes. La varianza representa la desviación media al cuadrado, lo que distorsiona la escala de medición original. Tomar la raíz cuadrada de la varianza devuelve la desviación estándar a las unidades originales del conjunto de datos.
El rango proporciona una medida de dispersión mucho más simple. Resta el valor mínimo del valor máximo. Sin embargo, el rango solo usa dos puntos de datos, lo que lo hace muy sensible a los valores atípicos.
La desviación estándar incorpora cada punto de datos, proporcionando una medida de dispersión mucho más robusta. Considera un conjunto de calificaciones de prueba: $70, 80, 90$. El rango es $90 - 70 = 20$. La varianza es $100$. La desviación estándar es $\sqrt{100} = 10$. Mientras que el rango indica la dispersión total, la desviación estándar indica la distancia típica de cada calificación respecto a la media de 80.
Nuestra Calculadora de Varianza y nuestra Calculadora de Rango te ayudan a calcular rápidamente estas métricas de dispersión alternativas.
La regla empírica de la desviación estándar
La regla empírica, también conocida como la regla 68-95-99,7, establece que para una distribución normal, casi todos los datos caen dentro de tres desviaciones estándar de la media.
- El 68 % de los datos cae dentro de una desviación estándar (por encima y por debajo) de la media.
- El 95 % de los datos cae dentro de dos desviaciones estándar de la media.
- El 99,7 % de los datos cae dentro de tres desviaciones estándar de la media.
Cómo funciona
- Media ($\mu$): El promedio o punto central de los datos.
- Desviación estándar ($\sigma$): Una medida de qué tan lejos se extienden los puntos de datos desde el centro.
Ejemplo práctico
Supongamos que las alturas de una especie de planta específica están distribuidas normalmente con una media ($\mu$) de 150 cm y una desviación estándar ($\sigma$) de 10 cm.
- Una desviación estándar: $150 \pm 10$ cm. Aproximadamente el 68 % de las plantas miden entre 140 cm y 160 cm.
- Dos desviaciones estándar: $150 \pm 20$ cm. Aproximadamente el 95 % de las plantas miden entre 130 cm y 170 cm.
- Tres desviaciones estándar: $150 \pm 30$ cm. Aproximadamente el 99,7 % de las plantas miden entre 120 cm y 180 cm.
Esta regla permite a los investigadores estimar rápidamente las probabilidades e identificar valores atípicos sin cálculos complejos.
El coeficiente de variación (CV) te permite comparar la volatilidad de dos conjuntos de datos completamente diferentes. Lo calculas dividiendo la desviación estándar por la media y multiplicando por 100. Un CV más alto indica una mayor variabilidad relativa, independientemente de la escala absoluta de los datos.
Los valores atípicos extremos inflan drásticamente la desviación estándar. Debido a que la fórmula eleva las desviaciones al cuadrado, un solo valor extremo ejerce una influencia matemática masiva en el resultado final. Cuando tu desviación estándar es alta debido a valores atípicos, la Calculadora de Mediana a menudo proporciona una medida de tendencia central más confiable.
Propiedades matemáticas de la desviación estándar
La desviación estándar exhibe un comportamiento predecible bajo transformaciones matemáticas específicas:
- Sumar o restar una constante: Si sumas o restas un valor constante a cada punto de datos en un conjunto, la desviación estándar permanece completamente inalterada. Los datos se desplazan a lo largo de la recta numérica, pero la distancia relativa entre los puntos permanece exactamente igual.
- Multiplicar o dividir por una constante: Si multiplicas o divides cada punto de datos por una constante $c$, la desviación estándar se escala por el valor absoluto de esa constante ($|c|$). Por ejemplo, duplicar cada valor en tu conjunto duplicará exactamente la desviación estándar.
- No negatividad: La desviación estándar es siempre mayor o igual a cero. Solo puede ser igual a cero si cada valor en el conjunto de datos es idéntico.
Desviación estándar y puntuaciones Z
La puntuación Z establece una relación directa y práctica entre puntos de datos individuales y la desviación estándar. Estandariza tus datos expresando exactamente cuántas desviaciones estándar se encuentra un valor específico por encima o por debajo de la media.
Donde:
- $Z$ = puntuación Z (valor estándar)
- $x$ = valor individual
- $\mu$ = media de la población
- $\sigma$ = desviación estándar de la población
Ejemplo práctico
Un alumno obtiene 92 en un examen de matemáticas. La media de la clase ($\mu$) es 80, y la desviación estándar ($\sigma$) es 6. Queremos encontrar la puntuación Z del alumno para entender su rendimiento relativo.
| Paso | Cálculo | Resultado |
|---|---|---|
| 1. Encontrar la desviación | $x - \mu = 92 - 80$ | 12 |
| 2. Dividir por la desviación estándar | $Z = \frac{12}{6}$ | 2,0 |
Resultado: La puntuación Z del alumno es 2,0. Esto significa que su calificación está exactamente dos desviaciones estándar por encima del promedio de la clase, colocándolo en el 2,5 % superior de la clase según la regla empírica.
Esta métrica cierra la brecha entre la estadística descriptiva e inferencial. Al convertir datos brutos en puntuaciones Z, puedes comparar fácilmente valores de conjuntos de datos completamente diferentes o calcular probabilidades precisas. Usa nuestra Calculadora de Puntuación Z para determinar la posición estandarizada de cualquier punto de datos dentro de tu distribución.
Preguntas frecuentes
¿Qué significa una desviación estándar de 0?
Una desviación estándar de cero significa que cada valor en tu conjunto de datos es idéntico. No hay absolutamente ninguna dispersión o variabilidad en los datos. Cada punto de datos es exactamente igual a la media.
¿Puede la desviación estándar ser negativa?
No, la desviación estándar no puede ser negativa. El cálculo implica elevar al cuadrado las desviaciones, lo que siempre produce números positivos. El paso final toma la raíz cuadrada principal (positiva) de la varianza.
¿Por qué dividimos por $n-1$ para la desviación estándar de la muestra?
Dividir por $n-1$ aplica la corrección de Bessel. Este ajuste compensa el hecho de que una muestra subestima la verdadera variabilidad de toda la población. Proporciona un estimador insesgado de la varianza de la población.
¿Cómo se relaciona la desviación estándar con la media?
La desviación estándar mide la distancia promedio de los puntos de datos respecto a la media. La media establece el punto de referencia central. Sin calcular primero la media, no puedes determinar la desviación estándar.
¿Cuál es la diferencia entre desviación estándar y varianza?
La varianza mide la desviación media al cuadrado respecto a la media. La desviación estándar es la raíz cuadrada de la varianza. La desviación estándar se prefiere para la interpretación porque vuelve a las unidades originales de los datos.
¿Cuándo debo usar la desviación estándar de la población vs. la de la muestra?
Usa la desviación estándar de la población cuando tus datos incluyen a cada miembro del grupo que estás estudiando. Usa la desviación estándar de la muestra cuando tus datos representan un subconjunto extraído de un grupo más grande y tienes la intención de hacer inferencias sobre ese grupo más grande.
¿Cómo afectan los valores atípicos a la desviación estándar?
Los valores atípicos inflan significativamente la desviación estándar. La fórmula eleva al cuadrado la distancia respecto a la media, lo que significa que los valores extremos ejercen una influencia matemática desproporcionadamente grande en el resultado final.
¿Qué es una "buena" desviación estándar?
Una "buena" desviación estándar depende completamente de tu contexto y tolerancia al riesgo. En la fabricación, una desviación estándar baja es ideal para el control de calidad. En carteras de inversión, una desviación estándar más alta podría ser aceptable si se acompaña de rendimientos esperados más altos.
Fuentes para profundizar
- Khan Academy en Español: Revisión de la desviación estándar de la población y la muestra – Excelentes explicaciones fundamentales y ejercicios interactivos para comprender la dispersión.
- INE (Instituto Nacional de Estadística - España): Conceptos estadísticos básicos: Desviación típica – Definiciones oficiales y metodología estándar del Estado español para las medidas estadísticas.
- UNAM (Universidad Nacional Autónoma de México): Recursos de Estadística Descriptiva – Definiciones formales y rigor matemático respaldados por una de las instituciones académicas más prestigiosas de habla hispana.
- MIT OpenCourseWare: 18.05 Introducción a la Probabilidad y la Estadística: Estadísticas de Resumen – Material académico riguroso que cubre las medidas de dispersión del Instituto de Tecnología de Massachusetts.