Σ
SDCalc
PrincipianteFundamentos·12 min

Guía completa de la desviación estándar

Domine la desviación estándar con nuestra guía integral. Aprenda fórmulas, cálculos paso a paso, ejemplos del mundo real y cuándo utilizar la DE muestral frente a la poblacional.

¿Qué es la desviación estándar?

La desviación estándar es una medida estadística que cuantifica la cantidad de variación o dispersión en un conjunto de datos. En términos sencillos, indica qué tan dispersos están los números respecto a su valor promedio (media).

Piénselo de esta manera: si tiene un grupo de calificaciones de exámenes de estudiantes, la desviación estándar le indica si la mayoría de los estudiantes obtuvieron puntuaciones similares (DE baja) o si las calificaciones variaron considerablemente (DE alta).

Visual Comparison

Low SD (σ = 0.5)

Data clustered tightly around the mean

High SD (σ = 2)

Data spread widely from the mean

¿Por qué es importante la desviación estándar?

La desviación estándar es una de las medidas estadísticas más utilizadas porque proporciona información fundamental para la toma de decisiones en prácticamente todos los campos:

  • Finanzas:Mide el riesgo de inversión y la volatilidad de carteras
  • Manufactura:Control de calidad y mejora de procesos Six Sigma
  • Ciencia:Reporte de incertidumbre de medición y precisión experimental
  • Educación:Análisis de distribuciones de calificaciones y curvas de evaluación
  • Salud:Ensayos clínicos y comprensión de la variabilidad en datos de pacientes

La fórmula de la desviación estándar

Existen dos versiones de la fórmula de la desviación estándar, dependiendo de si trabaja con una muestra o con una población completa:

Desviación estándar poblacional

σ = √[Σ(xᵢ - μ)² / N]

Desviación estándar muestral

s = √[Σ(xᵢ - x̄)² / (n-1)]

Clave de símbolos

σ (sigma) = DE poblacional · s = DE muestral · Σ = suma de · xᵢ = cada dato · μ (mu) = media poblacional · x̄ (x barra) = media muestral · N = tamaño de la población · n = tamaño de la muestra

¿Por qué (n-1)?

Cuando se trabaja con una muestra, se divide entre (n-1) en lugar de n. Esto se denomina corrección de Bessel y proporciona una estimación insesgada de la desviación estándar poblacional.

Cálculo paso a paso

Calculemos la desviación estándar muestral para un conjunto de datos: 4, 8, 6, 5, 3

1

Calcular la media

Media = (4 + 8 + 6 + 5 + 3) / 5 = 26 / 5 = 5.2
2

Encontrar cada desviación respecto a la media

4 - 5.2 = -1.2 · 8 - 5.2 = 2.8 · 6 - 5.2 = 0.8 · 5 - 5.2 = -0.2 · 3 - 5.2 = -2.2
3

Elevar al cuadrado cada desviación

(-1.2)² = 1.44 · (2.8)² = 7.84 · (0.8)² = 0.64 · (-0.2)² = 0.04 · (-2.2)² = 4.84
4

Sumar las desviaciones al cuadrado

1.44 + 7.84 + 0.64 + 0.04 + 4.84 = 14.8
5

Dividir entre (n-1)

Varianza = 14.8 / (5-1) = 14.8 / 4 = 3.7
6

Obtener la raíz cuadrada

Desviación estándar = √3.7 = 1.924

Consejo profesional

Utilice nuestra Calculadora de desviación estándar para calcular instantáneamente la DE con soluciones paso a paso para cualquier conjunto de datos.

Interpretación de resultados

Comprender qué significa el valor de la desviación estándar es fundamental para tomar decisiones informadas:

Valor de DEInterpretaciónEjemplo
DE bajaLos datos se agrupan estrechamente alrededor de la media; alta consistenciaPiezas fabricadas con tolerancias estrictas
DE altaLos datos se dispersan ampliamente; alta variabilidadCambios diarios en el precio de acciones
DE ceroTodos los datos son idénticosArtículos con precio fijo en una tienda

La regla empírica (68-95-99.7)

Para datos con distribución normal: el 68% de los datos se encuentra dentro de 1 desviación estándar de la media · el 95% dentro de 2 desviaciones estándar · el 99.7% dentro de 3 desviaciones estándar

Ejemplos del mundo real

Ejemplo 1: Calificaciones de exámenes

Una clase de 30 estudiantes realiza un examen. La puntuación media es 75 con una desviación estándar de 10. Interpretación: La mayoría de los estudiantes (aproximadamente el 68%) obtuvieron entre 65 y 85 puntos. Un estudiante que obtuvo 95 tiene un rendimiento excepcional (2 DE por encima de la media), mientras que una puntuación de 55 indica dificultades (2 DE por debajo de la media).

Ejemplo 2: Calidad en manufactura

Una fábrica produce tornillos que deben tener 10 mm de diámetro. Tras medir 100 tornillos, la media es 10.02 mm con una DE de 0.05 mm. Interpretación: El proceso está bien controlado. El 99.7% de los tornillos tendrán un diámetro entre 9.87 mm y 10.17 mm (±3σ). Si las especificaciones requieren 10 mm ± 0.2 mm, este proceso cumple fácilmente con los estándares de calidad.

Errores comunes que debe evitar

Usar la fórmula incorrecta

No utilice la DE poblacional (N) cuando tiene una muestra. Esto subestima la verdadera variabilidad.

Ignorar los valores atípicos

La desviación estándar es sensible a los valores atípicos. Un solo valor extremo puede incrementar drásticamente la DE. Considere utilizar la desviación absoluta mediana (MAD) para conjuntos de datos con valores atípicos.

Asumir distribución normal

La regla empírica (68-95-99.7) solo se aplica a datos con distribución normal. Verifique la distribución de sus datos antes de aplicar estos porcentajes.

Further Reading

← 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 goalWhat to focus onCommon mistake
DefinitionWhat the metric is and what quantity it summarizesTreating the formula as self-explanatory
Formula choiceSample versus population assumptions and notationUsing n when n-1 is required or vice versa
InterpretationWhether the result indicates concentration, spread, or riskCalling 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.