Qué hace esta calculadora
La Calculadora de Media y Desviación Estándar toma una lista de números y devuelve la media (el promedio), la varianza y la desviación estándar. La media describe el centro de tus datos, mientras que la desviación estándar mide qué tan dispersos están los valores en torno a ese centro. Una desviación estándar pequeña indica que los valores se agrupan muy cerca de la media; una grande indica que están muy dispersos.
Cómo usarla
Escribe o pega tus números en el cuadro de entrada, separados por comas o espacios. Elige Muestra si tus datos son un subconjunto extraído de un grupo mayor, o Población si representan el grupo completo. La calculadora te mostrará entonces la media, la varianza, la desviación estándar, la cantidad de valores y la suma.
Las fórmulas explicadas
Primero se calcula la media \(\bar{x}\), donde \(n\) es la cantidad de valores y \(x_i\) es cada valor:
$$\bar{x} = \frac{1}{n}\sum_{i=1}^{n} x_i$$Luego se mide la desviación de cada valor respecto a la media, se eleva al cuadrado y se promedian los cuadrados. La versión muestral divide entre \(n-1\); la versión poblacional divide entre \(n\):
$$s = \sqrt{\frac{1}{n-1}\sum_{i=1}^{n}(x_i - \bar{x})^2} \qquad \sigma = \sqrt{\frac{1}{n}\sum_{i=1}^{n}(x_i - \mu)^2}$$
Ejemplo resuelto
Tomemos el conjunto de datos 2, 4, 4, 4, 5, 5, 7, 9. Hay \(n = 8\) valores que suman 40, así que la media es:
$$\bar{x} = \frac{2+4+4+4+5+5+7+9}{8} = 5$$Las desviaciones al cuadrado respecto a 5 suman 32. Usando la fórmula poblacional:
$$\sigma = \sqrt{\frac{32}{8}} = \sqrt{4} = 2$$
Más ejemplos resueltos
Estos ejemplos utilizan el mismo procedimiento cada vez: calcular la media \(\bar{x}\), restarla a cada valor para obtener las desviaciones, elevar al cuadrado esas desviaciones, sumarlas, dividir entre \(n-1\) para una muestra o entre \(n\) para una población, y por último tomar la raíz cuadrada. La única diferencia entre las dos versiones de la desviación estándar es entre qué se divide.
Ejemplo 1 — muestra frente a población con los mismos datos
Conjunto de datos (8 valores): 2, 4, 4, 4, 5, 5, 7, 9.
Paso 1 — media:
$$\bar{x} = \frac{2+4+4+4+5+5+7+9}{8} = \frac{40}{8} = 5$$Paso 2 — desviaciones al cuadrado:
| \(x_i\) | \(x_i - \bar{x}\) | \((x_i - \bar{x})^2\) |
|---|---|---|
| 2 | -3 | 9 |
| 4 | -1 | 1 |
| 4 | -1 | 1 |
| 4 | -1 | 1 |
| 5 | 0 | 0 |
| 5 | 0 | 0 |
| 7 | 2 | 4 |
| 9 | 4 | 16 |
Paso 3 — suma de cuadrados:
$$\sum_{i=1}^{n}(x_i - \bar{x})^2 = 9+1+1+1+0+0+4+16 = 32$$Paso 4 — varianza y desviación estándar. Con \(n = 8\):
Muestra (dividir entre \(n-1 = 7\)):
$$s^2 = \frac{32}{7} \approx 4.5714 \qquad s = \sqrt{4.5714} \approx 2.1381$$Población (dividir entre \(n = 8\)):
$$\sigma^2 = \frac{32}{8} = 4 \qquad \sigma = \sqrt{4} = 2$$Así, los mismos datos dan una desviación estándar muestral de 2.1381 y una desviación estándar poblacional de 2. El valor muestral es ligeramente mayor porque dividir entre el número más pequeño \(n-1\) infla el resultado — esta es la corrección estándar que se utiliza cuando los datos son solo una muestra extraída de un grupo mayor.
Ejemplo 2 — valores decimales y negativos
Conjunto de datos (5 valores): -2, -1, 0, 3, 5.
Media:
$$\bar{x} = \frac{-2 + (-1) + 0 + 3 + 5}{5} = \frac{5}{5} = 1$$Desviaciones al cuadrado:
| \(x_i\) | \(x_i - \bar{x}\) | \((x_i - \bar{x})^2\) |
|---|---|---|
| -2 | -3 | 9 |
| -1 | -2 | 4 |
| 0 | -1 | 1 |
| 3 | 2 | 4 |
| 5 | 4 | 16 |
Suma de cuadrados:
$$\sum_{i=1}^{n}(x_i - \bar{x})^2 = 9+4+1+4+16 = 34$$Varianza y desviación estándar (con \(n = 5\)):
$$s^2 = \frac{34}{4} = 8.5 \qquad s = \sqrt{8.5} \approx 2.9155$$$$\sigma^2 = \frac{34}{5} = 6.8 \qquad \sigma = \sqrt{6.8} \approx 2.6077$$Los valores negativos se tratan exactamente igual que los positivos — elevar al cuadrado las desviaciones elimina el signo, de modo que un valor por debajo de la media aporta tanta dispersión como uno situado a la misma distancia por encima.
Ejemplo 3 — valores equiespaciados
Conjunto de datos (5 valores): 10, 20, 30, 40, 50.
Media:
$$\bar{x} = \frac{10+20+30+40+50}{5} = \frac{150}{5} = 30$$Desviaciones al cuadrado: las desviaciones son -20, -10, 0, 10, 20, por lo que los cuadrados son 400, 100, 0, 100, 400.
$$\sum_{i=1}^{n}(x_i - \bar{x})^2 = 400+100+0+100+400 = 1000$$Varianza y desviación estándar (con \(n = 5\)):
$$s^2 = \frac{1000}{4} = 250 \qquad s = \sqrt{250} \approx 15.8114$$$$\sigma^2 = \frac{1000}{5} = 200 \qquad \sigma = \sqrt{200} \approx 14.1421$$Aunque los valores están perfectamente equiespaciados, la desviación estándar no es el propio espaciado (10) — es una medida cuadrática media de la distancia respecto a la media, que aquí resulta ser de aproximadamente 14.14 para toda la población.
Cómo interpretar tu resultado
La desviación estándar te indica la distancia típica entre un valor de los datos y la media, expresada en las mismas unidades que tus datos. Una desviación estándar pequeña significa que los valores se agrupan estrechamente alrededor de la media; una grande significa que están muy dispersos. Por sí solo, el número resulta más útil cuando se compara con la media y con la dispersión de otros conjuntos de datos medidos de la misma manera.
La regla empírica (68–95–99.7)
Cuando un conjunto de datos está aproximadamente distribuido normalmente (la conocida forma de campana simétrica), la desviación estándar \(\sigma\) delimita proporciones predecibles de los datos alrededor de la media \(\bar{x}\):
- Alrededor del 68% de los valores caen dentro de \(\pm 1\sigma\) de la media — el intervalo de \(\bar{x} - \sigma\) a \(\bar{x} + \sigma\).
- Alrededor del 95% caen dentro de \(\pm 2\sigma\).
- Alrededor del 99.7% caen dentro de \(\pm 3\sigma\).
Por ejemplo, si un conjunto de mediciones tiene \(\bar{x} = 100\) y \(\sigma = 15\), entonces aproximadamente el 68% de los datos se sitúa entre 85 y 115, alrededor del 95% entre 70 y 130, y casi todos entre 55 y 145. Esta regla es una aproximación que solo se cumple para datos con forma más o menos de campana — para distribuciones muy sesgadas o de colas pesadas los porcentajes reales pueden diferir sustancialmente.
Decidir si un valor es típico o atípico
Para juzgar un solo valor, mide a cuántas desviaciones estándar se encuentra de la media. Esta es la puntuación estandarizada, o puntuación z:
$$z = \frac{x - \bar{x}}{\sigma}$$Un valor con \(|z|\) menor que aproximadamente 1 es muy corriente; \(|z|\) cercano a 2 es algo inusual (solo alrededor del 5% de los datos normales se sitúa más allá de \(\pm 2\sigma\)); y \(|z|\) de 3 o más es raro (menos del 0.3% de los datos normales), por lo que \(\pm 2\sigma\) o \(\pm 3\sigma\) son umbrales informales comunes para señalar posibles valores atípicos. Estas son convenciones para inspeccionar datos, no una prueba definitiva — una puntuación z grande indica un punto que merece examinarse, no automáticamente un error.
Coeficiente de variación — dispersión relativa
Dado que la desviación estándar lleva unidades, comparar la dispersión entre conjuntos de datos con diferentes escalas o unidades puede resultar engañoso. El coeficiente de variación (CV) lo reescala como una fracción (o porcentaje) de la media:
$$\text{CV} = \frac{\sigma}{\bar{x}}$$Un conjunto de datos con \(\bar{x} = 30\) y \(\sigma \approx 15.81\) tiene \(\text{CV} \approx 15.81 / 30 \approx 0.527\), es decir, alrededor del 52.7% — una dispersión relativamente alta. Un CV del 5% indica valores muy agrupados cerca de la media, mientras que un 50% o más indica una alta variabilidad relativa. El CV solo tiene sentido para datos medidos en una escala de razón con media positiva; es indefinido o inestable cuando la media es cero o cercana a cero, y no debe usarse para datos que puedan ser negativos (como temperaturas en grados Celsius o cifras de pérdidas y ganancias).
Preguntas frecuentes
¿Cuál es la diferencia entre muestra y población? Usa la desviación estándar poblacional cuando tus datos incluyen a todos los miembros del grupo. Usa la desviación estándar muestral, que divide entre \(n-1\), cuando tus datos son solo una muestra, ya que así se obtiene una estimación menos sesgada de la dispersión real.
¿Por qué se elevan al cuadrado las desviaciones? Elevar al cuadrado convierte cada desviación en un valor positivo y da más peso a los errores grandes; al extraer la raíz cuadrada al final, el resultado vuelve a expresarse en las unidades originales.
¿Qué me indica la varianza? La varianza es el promedio de las desviaciones al cuadrado y equivale al cuadrado de la desviación estándar. Es útil en muchas fórmulas estadísticas, pero se expresa en unidades al cuadrado.