Fórmula de la desviación estándar explicada paso a paso

¿Qué es la fórmula de la desviación estándar?

La fórmula de la desviación estándar es la ecuación matemática que se utiliza para cuantificar la cantidad de variación o dispersión en un conjunto de datos. Una desviación estándar baja indica que los datos tienden a estar cerca de la media (μ o x̄), mientras que una desviación estándar alta indica que los valores están más dispersos.

En estadística, la fórmula que debes usar depende de si estás trabajando con una población completa o con una muestra extraída de esa población. El concepto central consiste en calcular el promedio de las desviaciones cuadradas respecto a la media, lo que se conoce como varianza (σ²), y luego tomar la raíz cuadrada para volver a las unidades originales de medición.

Desviación estándar de la población

σ = √[ Σ (xi - μ)² / N ]

σ (sigma): Desviación estándar de la población
Σ (sigma): Sumatoria de...
xi: Cada valor individual del conjunto de datos
μ (mu): Media de la población
N: Cantidad total de datos en la población

Desviación estándar de población vs. muestra

En el análisis de datos del mundo real, es poco frecuente tener información de toda una población. Por lo general, tomamos una muestra para hacer inferencias sobre la población más grande. Como la muestra solo estima la media poblacional, calcular la desviación estándar usando la fórmula de la población sobre una muestra subestima la variabilidad real de forma sistemática. Para corregir este sesgo, usamos la fórmula de la desviación estándar de la muestra.

Desviación estándar de la muestra

s = √[ Σ (xi - x̄)² / (n - 1) ]

¡No confundas las fórmulas!

Usar 'N' para una muestra o 'n-1' para una población te dará una medida de dispersión incorrecta. La fórmula de la muestra con n-1 se conoce como corrección de Bessel y es estrictamente necesaria para obtener una estimación insesgada de la varianza poblacional.

Cálculo paso a paso de la fórmula

Calcular la desviación estándar manualmente requiere un método sistemático. Siguiendo estos pasos, podrás calcular con precisión la desviación estándar poblacional o muestral para cualquier conjunto de datos.

Calcular la media

Suma todos los datos (Σxi) y divide por la cantidad total de puntos (N o n) para encontrar la media (μ o x̄).

Encontrar las desviaciones

Resta la media a cada dato individual para obtener la desviación: (xi - media).

Elevar las desviaciones al cuadrado

Eleva al cuadrado cada una de las desviaciones calculadas en el paso anterior: (xi - media)². Esto garantiza que todos los valores sean positivos.

Sumar las desviaciones cuadradas

Suma todas las desviaciones cuadradas para obtener la suma de cuadrados: Σ(xi - media)².

Dividir por N o n-1

Para una población, divide por N. Para una muestra, divide por (n - 1). Esto te da la varianza (σ² o s²).

Calcular la raíz cuadrada

Toma la raíz cuadrada de la varianza para obtener la desviación estándar (σ o s).

¿Por qué la fórmula de la muestra divide por n-1?

Dividir por n-1 en lugar de n es un concepto conocido como corrección de Bessel. Como la media muestral (x̄) se calcula a partir de los datos de la muestra misma, las desviaciones (xi - x̄) están condicionadas matemáticamente a sumar cero. Esto significa que los datos están un poco más cerca de la media muestral que de la verdadera media poblacional (μ).

Al dividir por n-1 (los grados de libertad), aumentamos la varianza lo justo para compensar esta subestimación, lo que nos da un estimador insesgado de la varianza poblacional.

Sources

References and further authoritative reading used in preparing this article.

← Centro de Aprendizaje

How to Read This Article

A statistics tutorial is a practical interpretation guide, not just a formula dump. It refers to the assumptions, notation, and reporting language that analysts need when they explain a result to a teacher, manager, client, or reviewer. The article body covers the specific topic, while the sections below create a common interpretation frame that readers can reuse across related metrics.

Reading goal	What to focus on	Common mistake
Definition	What the metric is and what quantity it summarizes	Treating the formula as self-explanatory
Formula choice	Sample versus population assumptions and notation	Using n when n-1 is required or vice versa
Interpretation	Whether the result indicates concentration, spread, or risk	Calling a large value good or bad without context

Frequently Asked Questions

How should I interpret a high standard deviation?

A high standard deviation means the observations are spread farther from the mean on average. Whether that spread is acceptable depends on the context: wide dispersion might signal risk in finance, instability in manufacturing, or genuine natural variation in scientific data.

Why do some articles mention n while others mention n-1?

The denominator reflects the difference between population and sample formulas. Population variance and population standard deviation use N because the full dataset is known. Sample variance and sample standard deviation often use n-1 because Bessel’s correction reduces bias when estimating population spread from a sample.

What is a statistical interpretation guide?

A statistical interpretation guide is a page that moves beyond arithmetic and explains meaning. It tells you what a metric is, when the formula applies, and how to describe the result in plain English without overstating certainty.

Can I cite this article in a report?

You should cite the underlying authoritative reference for formal work whenever possible. This page is best used as an explanatory bridge that helps you understand the concept before quoting the original standard or handbook.

Why include direct citations on every article page?

Direct citations give readers a route to verify the definition, notation, and assumptions. That improves trust and reduces the chance that a simplified explanation is mistaken for the entire technical standard.

Authoritative References

These sources define the concepts referenced most often across our articles. Bessel's correction is a sample adjustment, variance is a squared measure of spread, and standard deviation is the square root of variance expressed in the same units as the data.