¿Qué es la desviación estándar?
La desviación estándar es una medida estadística que cuantifica la cantidad de variación o dispersión en un conjunto de valores. Una desviación estándar baja indica que los datos tienden a estar cerca de la media (valor esperado) del conjunto, mientras que una desviación estándar alta indica que los datos están más dispersos en un rango más amplio de valores. Representada por la letra griega σ (sigma) para poblaciones y s para muestras, es uno de los conceptos más fundamentales en la estadística descriptiva.
Definición clave
Desviación estándar poblacional vs. muestral
Antes de calcular la desviación estándar, debes determinar si tus datos representan a toda una población o a una muestra de ella. Una población incluye a todos los miembros de un grupo específico, mientras que una muestra es un subconjunto representativo de ese grupo. Calcular la desviación estándar para una muestra requiere un ajuste matemático: usar n - 1 (grados de libertad, o df) en lugar de N, para asegurar que el resultado sea un estimador insesgado de la varianza poblacional.
Desviación estándar poblacional
Desviación estándar muestral
Explicación de la fórmula de la desviación estándar
Las fórmulas de la desviación estándar se basan en calcular primero la varianza y luego sacar la raíz cuadrada. Este paso de la raíz cuadrada es crucial porque devuelve la medida de dispersión a las unidades originales de los datos. Los componentes clave son xᵢ (cada valor individual), μ o x̄ (la media poblacional o muestral) y N o n (el número total de valores).
DE Poblacional
DE Muestral
Ejemplo de cálculo paso a paso
Calculemos la desviación estándar muestral para un pequeño conjunto de calificaciones de un examen: [4, 8, 6, 5, 3, 2, 8, 9, 2, 5]. Siguiendo la fórmula paso a paso se revela cómo se acumula la varianza antes de sacar la raíz cuadrada final.
Calcular la media (x̄)
Restar la media y elevar al cuadrado
Sumar las diferencias al cuadrado
Dividir entre n - 1 (grados de libertad)
Sacar la raíz cuadrada
Cálculo de la desviación estándar en Python
Calcular la desviación estándar a mano es propenso a errores, especialmente con conjuntos de datos grandes. En la práctica, los estadísticos y científicos de datos usan lenguajes de programación como Python para calcularla al instante mediante librerías integradas.
import statistics
data = [4, 8, 6, 5, 3, 2, 8, 9, 2, 5]
# Calcular la desviación estándar muestral (por defecto)
sample_sd = statistics.stdev(data)
print(f"Sample SD: {sample_sd:.2f}")
# Calcular la desviación estándar poblacional
pop_sd = statistics.pstdev(data)
print(f"Population SD: {pop_sd:.2f}")La regla empírica y la desviación estándar
Cuando los datos siguen una distribución normal (curva de campana), la desviación estándar se vuelve increíblemente predictiva. La regla empírica, también conocida como la regla 68-95-99.7, establece que casi todos los datos caerán dentro de tres desviaciones estándar de la media. Esto permite a los analistas identificar rápidamente valores atípicos y comprender la probabilidad de que ocurra una observación específica.
| Intervalo desde la media | Porcentaje de datos | Aplicación |
|---|---|---|
| ±1σ | 68.27% | Identificar valores típicos y cotidianos |
| ±2σ | 95.45% | Establecer intervalos de confianza |
| ±3σ | 99.73% | Detectar valores atípicos extremos |
Desviación estándar vs. varianza
La varianza y la desviación estándar son medidas de dispersión estrechamente relacionadas. La varianza (σ² o s²) es el promedio de las diferencias al cuadrado respecto a la media, mientras que la desviación estándar es la raíz cuadrada de la varianza. Como la varianza se expresa en unidades al cuadrado (por ejemplo, pesos al cuadrado, centímetros al cuadrado), puede ser difícil de interpretar en el contexto de los datos originales. La desviación estándar resuelve esto al convertir la medida de vuelta a las unidades originales.
Al reportar tus datos
Errores comunes a evitar
Aunque la desviación estándar es una herramienta muy útil, a menudo se usa mal. Aplicar mal las fórmulas o malinterpretar lo que representa el valor puede llevar a un análisis de datos defectuoso y a conclusiones incorrectas.
- Usar la fórmula poblacional para una muestra: Olvidar usar n - 1 para las muestras reduce artificialmente la dispersión calculada, subestimando la verdadera varianza poblacional.
- Aplicar la DE a distribuciones no normales: La regla empírica solo aplica a distribuciones normales. Para datos muy sesgados, la DE podría no reflejar con precisión la dispersión.
- Confundir la DE con el Error Estándar: El error estándar mide la precisión de una estimación de la media muestral, mientras que la desviación estándar mide la dispersión de los datos subyacentes en sí.
Cuidado con los valores atípicos
Further Reading
Sources
References and further authoritative reading used in preparing this article.