En otras palabras, la desviación estándar σ (σ) es la
raíz cuadrada de la varianza de X; es decir, es la raíz
cuadrada del valor promedio de (X - μ)2.
¿Que nos indica la desviación estándar?
La desviación estándar mide la dispersión de una distribución de datos. Entre más dispersa está una
distribución de datos, más grande es su desviación estándar.
¿Cómo se interpreta la desviación estándar ejemplos?
Mientras que el error estándar de la media estima la variabilidad entre las muestras, la desviación
estándar mide la variabilidad dentro de una misma muestra. Por ejemplo, usted tiene un tiempo de
entrega medio de 3.80 días, con una desviación estándar de 1.43 días, de una muestra aleatoria de 312
tiempos de entrega.
¿Qué pasa cuando la desviación estándar es mayor a 1?
La desviación estándar es la medida de dispersión más común, que indica qué tan dispersos están los
datos con respecto a la media. Mientras mayor sea la desviación estándar, mayor será la dispersión de
los datos.
Calcular la desviación estándar paso a paso
Google ClassroomFacebookTwitter
Correo electrónico
Introducción
En este artículo aprenderemos a calcular la desviación estándar "a mano".
Curiosamente, ningún estadístico calcularía la desviación estándar a mano en el mundo real.
Los cálculos requeridos son un tanto abstractos y el riesgo de cometer un error es alto.
Asimismo, calcularla a mano es lento, muy lento. Es por eso que los estadísticos confían en
hojas de cálculo y programas de computadora para procesar grandes cantidades de números.
Entonces ¿cuál es el punto de este artículo? ¿Por qué estamos ocupando tiempo en aprender a
realizar un proceso que ni los estadísticos usan? La respuesta es que aprender a realizar este
proceso a mano nos da una idea de cómo funciona realmente la desviación estándar. Este
conocimiento es muy valioso. En lugar de ver a la desviación estándar como un número
mágico que nuestras hojas de cálculo o programas de computadora nos dan, podremos
explicar de dónde sale ese número.
Panorama general sobre cómo calcular la desviación
estándar
La fórmula de la desviación estándar (DE) es:
\Large\text{DE} = \sqrt{\dfrac{\sum\limits_{}^{}{{\lvert x-\mu\rvert^2}}}
{N}}DE=N∑∣x−μ∣2start text, D, E, end text, equals, square root of, start fraction,
sum, start subscript, end subscript, start superscript, end superscript, open vertical bar, x,
minus, mu, close vertical bar, squared, divided by, N, end fraction, end square root
donde \sum∑sum significa "suma de", xxx es un valor de un conjunto de datos, \muμmu es la
media del conjunto de datos y NNN es el número de datos.
Puede parecer que la fórmula de la desviación estándar es confusa, pero tendrá sentido
después de que la desglosemos. En las secciones subsecuentes explicaremos un ejemplo
interactivo, paso a paso. Aquí hay una rápida vista previa de los pasos que estamos a punto de
seguir:
Paso 1: calcular la media.
Paso 2: calcular el cuadrado de la distancia a la media para cada dato.
Paso 3: sumar los valores que resultaron del paso 2.
Paso 4: dividir entre el número de datos.
Paso 5: sacar la raíz cuadrada.
Una observación importante
La fórmula anterior es para encontrar la desviación estándar de una población. Si estás
tratando con una muestra, querrás usar una fórmula ligeramente diferente (abajo), en la que se
utiliza n-1n−1n, minus, 1 en lugar de NNN. Pero, la idea de este artículo es que te familiarices
con el proceso del cálculo de la desviación estándar, que es básicamente el mismo
independientemente de qué fórmula uses.
\text{DE}_\text{muestra} = \sqrt{\dfrac{\sum\limits_{}^{}{{\lvert x-\bar{x}\
rvert^2}}}{n-1}}DEmuestra=n−1∑∣x−xˉ∣2start text, D, E, end text, start subscript, start
text, m, u, e, s, t, r, a, end text, end subscript, equals, square root of, start fraction, sum, start
subscript, end subscript, start superscript, end superscript, open vertical bar, x, minus, x,
with, \bar, on top, close vertical bar, squared, divided by, n, minus, 1, end fraction, end square
root
[¿Por qué hay dos fórmulas?]
Ejemplo interactivo paso a paso para calcular la
desviación estándar
Primero necesitamos un conjunto de datos con el cual trabajar. Elijamos algo pequeño que no
nos abrume por el número de datos. Este es uno bueno:
6, 2, 3, 16,2,3,16, comma, 2, comma, 3, comma, 1
Paso 1: obtener \goldD{\mu}μstart color #e07d10, mu, end color
#e07d10 en \sqrt{\dfrac{\sum\limits_{}^{}{{\lvert x-\
goldD{\mu}\rvert^2}}}{N}}N∑∣x−μ∣2square root of, start
fraction, sum, start subscript, end subscript, start superscript, end
superscript, open vertical bar, x, minus, start color #e07d10, mu,
end color #e07d10, close vertical bar, squared, divided by, N, end
fraction, end square root
En este paso calculamos la media del conjunto de datos, la cual está representada por la
variable \muμmu.
Rellena el espacio en blanco.
\mu =μ=mu, equals
Comprobar
[Explicación]
Paso 2: obtener \goldD{\lvert x - \mu \rvert^2}∣x−μ∣2start
color #e07d10, open vertical bar, x, minus, mu, close vertical bar,
squared, end color #e07d10 en \sqrt{\dfrac{\sum\limits_{}^{}
{\goldD{{\lvert x-\mu}\rvert^2}}}{N}}N∑∣x−μ∣2square root
of, start fraction, sum, start subscript, end subscript, start
superscript, end superscript, start color #e07d10, open vertical bar,
x, minus, mu, close vertical bar, squared, end color #e07d10,
divided by, N, end fraction, end square root
En este paso, calculamos la distancia de cada dato a la media (es decir, las desviaciones) y
elevamos cada una de esas distancias al cuadrado.
Por ejemplo, el primer dato es 666 y su media es 333, por lo que la distancia entre ellos es
igual a 333. Elevarla al cuadrado nos da 999.
Completa la tabla siguiente.
Cuadrado de la distancia a la media \lvert x - \mu \rvert^2∣x−μ∣2open
Dato xxx vertical bar, x, minus, mu, close vertical bar, squared
666 999
222
333
111
Comprobar
[Explicación]
Paso 3: obtener \goldD{\sum\lvert x - \mu \
rvert^2}∑∣x−μ∣2start color #e07d10, sum, open vertical bar, x,
minus, mu, close vertical bar, squared, end color #e07d10 en \
sqrt{\dfrac{\goldD{\sum\limits_{}^{}{{\lvert x-\mu}\
rvert^2}}}{N}}N∑∣x−μ∣2square root of, start fraction, start
color #e07d10, sum, start subscript, end subscript, start superscript,
end superscript, open vertical bar, x, minus, mu, close vertical bar,
squared, end color #e07d10, divided by, N, end fraction, end square
root
El símbolo \sum∑sum significa "suma", por lo que en este paso sumamos los cuatro valores
que calculamos en el paso 2.
Rellena el espacio en blanco.
\sum\lvert x - \mu \rvert^2 =∑∣x−μ∣2=sum, open vertical bar, x, minus, mu, close vertical bar,
squared, equals
Comprobar
[Explicación]
Paso 4: obtener \goldD{\dfrac{\sum\lvert x - \mu \rvert^2}
{N}}N∑∣x−μ∣2start color #e07d10, start fraction, sum, open
vertical bar, x, minus, mu, close vertical bar, squared, divided by,
N, end fraction, end color #e07d10 en \sqrt{\goldD{\dfrac{\
sum\limits_{}^{}{{\lvert x-\mu}\rvert^2}}{N}}}N∑∣x−μ∣2
square root of, start color #e07d10, start fraction, sum, start
subscript, end subscript, start superscript, end superscript, open
vertical bar, x, minus, mu, close vertical bar, squared, divided by,
N, end fraction, end color #e07d10, end square root
En este paso dividimos el resultado del paso 3 entre la variable NNN, que es el número de
datos.
Rellena el espacio en blanco.
\dfrac{\sum\lvert x - \mu \rvert^2}{N} =N∑∣x−μ∣2=start fraction, sum, open vertical bar, x,
minus, mu, close vertical bar, squared, divided by, N, end fraction, equals
Comprobar
[Explicación]
Paso 5: calcular la desviación estándar \sqrt{\dfrac{\sum\
limits_{}^{}{{\lvert x-\mu\rvert^2}}}{N}}N∑∣x−μ∣2square
root of, start fraction, sum, start subscript, end subscript, start
superscript, end superscript, open vertical bar, x, minus, mu, close
vertical bar, squared, divided by, N, end fraction, end square root
¡Ya casi terminamos! Solo saca la raíz cuadrada de la respuesta obtenida en el paso 4 y listo.
Rellena el espacio en blanco.
Redondea tu respuesta a la centésima más cercana.
\text{Desviación estándar} = \sqrt{\dfrac{\sum\limits_{}^{}{{\lvert x-\mu\rvert^2}}}{N}} \
approxDesviacioˊn estaˊndar=N∑∣x−μ∣2≈start text, D, e, s, v, i, a, c, i, o, with, \', on top, n,
space, e, s, t, a, with, \', on top, n, d, a, r, end text, equals, square root of, start fraction, sum,
start subscript, end subscript, start superscript, end superscript, open vertical bar, x, minus,
mu, close vertical bar, squared, divided by, N, end fraction, end square root, approximately
equals
Comprobar
[Explicación]
¡Sí! ¡Lo logramos! Calculamos satisfactoriamente la desviación estándar de un conjunto de
datos pequeño.
Resumen de lo que hicimos
Descompusimos la fórmula en cinco pasos:
Paso 1: calcular la media \muμmu.
\mu = \dfrac{6+2 + 3 + 1}{4} = \dfrac{12}{4} = \blueD3μ=46+2+3+1=412
=3mu, equals, start fraction, 6, plus, 2, plus, 3, plus, 1, divided by, 4, end fraction, equals,
start fraction, 12, divided by, 4, end fraction, equals, start color #11accd, 3, end color #11accd
Paso 2: elevar al cuadrado la distancia entre cada dato y la media \lvert x-\mu\
rvert^2∣x−μ∣2open vertical bar, x, minus, mu, close vertical bar, squared.
\lvert x - \mu \rvert^2∣x−μ∣2open vertical bar, x, minus, mu, close
xxx vertical bar, squared
\lvert6-\blueD{3}\rvert^2 = 3^2 = 9∣6−3∣2=32=9open vertical bar, 6,
minus, start color #11accd, 3, end color #11accd, close vertical bar, squared,
666 equals, 3, squared, equals, 9
\lvert2-\blueD{3}\rvert^2 = 1^2 = 1∣2−3∣2=12=1open vertical bar, 2,
minus, start color #11accd, 3, end color #11accd, close vertical bar, squared,
222 equals, 1, squared, equals, 1
\lvert3-\blueD{3}\rvert^2 = 0^2 = 0∣3−3∣2=02=0open vertical bar, 3,
minus, start color #11accd, 3, end color #11accd, close vertical bar, squared,
333 equals, 0, squared, equals, 0
\lvert1-\blueD{3}\rvert^2 = 2^2 = 4∣1−3∣2=22=4open vertical bar, 1,
minus, start color #11accd, 3, end color #11accd, close vertical bar, squared,
111 equals, 2, squared, equals, 4
Steps 3, 4, and 5:
\begin{aligned} \text{DE} &= \sqrt{\dfrac{\sum\limits_{}^{}{{\lvert x-\mu\
rvert^2}}}{N}}\\\\\\\\ &= \sqrt{\dfrac{9 + 1 + 0 + 4}{4}} \\\\\\\\ &= \sqrt{\
dfrac{{14}}{4}} ~~~~~~~~\small \text{Suma el cuadrado de las distancias
(paso 3).} \\\\\\\\ &= \sqrt{{3.5}} ~~~~~~~~\small \text{Divide entre el
número de datos (paso 4).} \\\\\\\\ &\approx 1.87 ~~~~~~~~\small \text{Saca
la raíz cuadrada (paso 5).} \end{aligned}DE=N∑∣x−μ∣2=49+1+0+4
=414 Suma el cuadrado de las distancias (paso 3).=3.5 Divide entre el nuˊme
ro de datos (paso 4).≈1.87 Saca la raıˊz cuadrada (paso 5).
Prueba tú mismo
Aquí tienes un recordatorio de la fórmula:
\Large\text{DE} = \sqrt{\dfrac{\sum\limits_{}^{}{{\lvert x-\mu\rvert^2}}}
{N}}DE=N∑∣x−μ∣2start text, D, E, end text, equals, square root of, start fraction,
sum, start subscript, end subscript, start superscript, end superscript, open vertical bar, x,
minus, mu, close vertical bar, squared, divided by, N, end fraction, end square root
Y aquí hay un conjunto de datos:
1, 4, 7, 2,61,4,7,2,61, comma, 4, comma, 7, comma, 2, comma, 6
Calcula la desviación estándar del conjunto de datos.
Redondea tu respuesta a la centésima más cercana.
\text{Desviación estándar}=Desviacioˊn estaˊndar=start text, D, e, s, v, i, a, c, i, o, with, \', on
top, n, space, e, s, t, a, with, \', on top, n, d, a, r, end text, equals
Comprobar
[Ocultar explicación]
Calcula la media
\mu = \dfrac{1 + 4 + 7 + 2 + 6}{5} = \dfrac{20}{5} = \blueD4μ=51+4+7+2+6=520=4mu,
equals, start fraction, 1, plus, 4, plus, 7, plus, 2, plus, 6, divided by, 5, end fraction, equals,
start fraction, 20, divided by, 5, end fraction, equals, start color #11accd, 4, end color #11accd
Eleva al cuadrado las distancias entre cada dato y la media
\lvert x - \mu \rvert^2∣x−μ∣2open vertical bar, x, minus, mu, close vertical bar,
xxx squared
\lvert1-\blueD{4}\rvert^2 = 3^2 = 9∣1−4∣2=32=9open vertical bar, 1, minus, start
color #11accd, 4, end color #11accd, close vertical bar, squared, equals, 3,
111 squared, equals, 9
\lvert4-\blueD{4}\rvert^2 = 0^2 = 0∣4−4∣2=02=0open vertical bar, 4, minus, start
color #11accd, 4, end color #11accd, close vertical bar, squared, equals, 0,
444 squared, equals, 0
\lvert x - \mu \rvert^2∣x−μ∣2open vertical bar, x, minus, mu, close vertical bar,
xxx squared
\lvert7-\blueD{4}\rvert^2 = 3^2 = 9∣7−4∣2=32=9open vertical bar, 7, minus, start
color #11accd, 4, end color #11accd, close vertical bar, squared, equals, 3,
777 squared, equals, 9
\lvert2-\blueD{4}\rvert^2 = 2^2 = 4∣2−4∣2=22=4open vertical bar, 2, minus, start
color #11accd, 4, end color #11accd, close vertical bar, squared, equals, 2,
222 squared, equals, 4
\lvert6-\blueD{4}\rvert^2 = 2^2 = 4∣6−4∣2=22=4open vertical bar, 6, minus, start
color #11accd, 4, end color #11accd, close vertical bar, squared, equals, 2,
666 squared, equals, 4
Aplica la fórmula
\begin{aligned} \text{DE} &= \sqrt{\dfrac{\sum\limits_{}^{}{{\lvert x-\mu\rvert^2}}}
{N}} \\\\\\\\ &= \sqrt{\dfrac{9 + 0 + 9 + 4 + 4}{5}} \\\\\\\\ &= \sqrt{\dfrac{26}{5}}\\\\\\\\
&= \sqrt{5.2}\\\\\\\\ &\approx 2.28\end{aligned}DE=N∑∣x−μ∣2=59+0+9+4+4=526=5.2≈2.28
La respuesta
La desviación estándar es aproximadamente 2.282.282, point, 28.
………………………………………………………………………………………………………………………………………………………………..
Calcular la desviación estándar paso a paso
Google ClassroomFacebookTwitter
Correo electrónico
Introducción
En este artículo aprenderemos a calcular la desviación estándar "a mano".
Curiosamente, ningún estadístico calcularía la desviación estándar a mano en el mundo real.
Los cálculos requeridos son un tanto abstractos y el riesgo de cometer un error es alto.
Asimismo, calcularla a mano es lento, muy lento. Es por eso que los estadísticos confían en
hojas de cálculo y programas de computadora para procesar grandes cantidades de números.
Entonces ¿cuál es el punto de este artículo? ¿Por qué estamos ocupando tiempo en aprender a
realizar un proceso que ni los estadísticos usan? La respuesta es que aprender a realizar este
proceso a mano nos da una idea de cómo funciona realmente la desviación estándar. Este
conocimiento es muy valioso. En lugar de ver a la desviación estándar como un número
mágico que nuestras hojas de cálculo o programas de computadora nos dan, podremos
explicar de dónde sale ese número.
Panorama general sobre cómo calcular la desviación
estándar
La fórmula de la desviación estándar (DE) es:
donde \sum∑sum significa "suma de", xxx es un valor de un conjunto de datos, \
muμmu es la media del conjunto de datos y NNN es el número de datos.
