À quoi sert ce calculateur
Le calculateur de moyenne et d'écart-type prend une liste de nombres et renvoie la moyenne, la variance et l'écart-type. La moyenne indique le centre de vos données, tandis que l'écart-type mesure la dispersion des valeurs autour de ce centre. Un écart-type faible signifie que les valeurs se regroupent près de la moyenne ; un écart-type élevé indique qu'elles sont très dispersées.
Comment l'utiliser
Saisissez ou collez vos nombres dans le champ, séparés par des virgules ou des espaces. Choisissez Échantillon si vos données constituent un sous-ensemble tiré d'un groupe plus large, ou Population si elles représentent l'ensemble du groupe. Le calculateur affiche alors la moyenne, la variance, l'écart-type, l'effectif et la somme.
Les formules expliquées
On calcule d'abord la moyenne \(\bar{x}\), où \(n\) est le nombre de valeurs et \(x_i\) chaque valeur :
$$\bar{x} = \frac{1}{n}\sum_{i=1}^{n} x_i$$On mesure ensuite l'écart de chaque valeur à la moyenne, on l'élève au carré, puis on fait la moyenne de ces carrés. La version sur échantillon divise par \(n-1\) ; la version sur population divise par \(n\) :
$$s = \sqrt{\frac{1}{n-1}\sum_{i=1}^{n}(x_i - \bar{x})^2} \qquad \sigma = \sqrt{\frac{1}{n}\sum_{i=1}^{n}(x_i - \mu)^2}$$
Exemple détaillé
Prenons la série 2, 4, 4, 4, 5, 5, 7, 9. Elle compte \(n = 8\) valeurs dont la somme vaut 40 ; la moyenne est donc :
$$\bar{x} = \frac{2+4+4+4+5+5+7+9}{8} = 5$$La somme des carrés des écarts à 5 vaut 32. En appliquant la formule sur population :
$$\sigma = \sqrt{\frac{32}{8}} = \sqrt{4} = 2$$
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).
Questions fréquentes
Quelle est la différence entre échantillon et population ? Utilisez l'écart-type sur population lorsque vos données incluent tous les membres du groupe. Utilisez l'écart-type sur échantillon, qui divise par \(n-1\), lorsque vos données ne constituent qu'un échantillon : cette correction fournit une estimation moins biaisée de la dispersion réelle.
Pourquoi élever les écarts au carré ? L'élévation au carré rend chaque écart positif et accorde plus de poids aux grands écarts ; la racine carrée finale ramène le résultat à l'unité de départ.
Que m'apprend la variance ? La variance est la moyenne des carrés des écarts et vaut le carré de l'écart-type. Elle intervient dans de nombreuses formules statistiques, mais elle s'exprime en unités au carré.