Davided.

Calculadora de desviación estándar

Calcula la desviación estándar, la varianza y la media de tu conjunto de datos para una muestra o una población, con el detalle paso a paso.

✓ Última revisión: Fuentes: NIST/SEMATECH e-Handbook of Statistical Methods — 1.3.5.6 Measures of Scale

Informar de una corrección

¿Ves un resultado, etiqueta o errata incorrectos? Cuéntanos: revisamos cada informe.

Valores reconocidos: 0

Escribe tus números separados por espacios, comas, puntos y coma o saltos de línea — p. ej. 2, 4, 4, 4, 5, 5, 7, 9. Usa el punto como separador decimal (p. ej. 2.5)

Usa "muestra" cuando tus datos son una parte de un grupo mayor sobre el que quieres sacar conclusiones (se divide entre n−1, corrección de Bessel). Usa "población" cuando tus datos son todo el grupo de interés (se divide entre n). Ambos resultados se muestran siempre abajo.

Opciones avanzadas

Tu resultado

Rellena los campos de arriba para ver tu resultado.

Calculadoras relacionadas

Qué calcula la calculadora de desviación estándar

La calculadora de desviación estándar convierte una lista de números en un conjunto de cifras que describen cuán dispersos están tus datos. Pega cualquier conjunto de valores — notas de un examen, mediciones, precios, rentabilidades, lo que sea numérico —, elige si son una muestra o una población, y la calculadora te devuelve la cantidad, la suma, la media, la varianza y la desviación estándar, además del error estándar de la media.

No tienes que elegir una interpretación y perder la otra: la desviación estándar muestral (s) y la poblacional (σ) se muestran siempre las dos, una junto a la otra, sea cual sea la posición del selector. El selector solo decide cuál de las dos se destaca como resultado principal — algo importante, porque confundirlas es el error más habitual con esta medida.

Activa «mostrar pasos del cálculo» y verás una tabla fila por fila con cada valor, su desviación respecto a la media y esa desviación al cuadrado — la misma aritmética que hace la calculadora por dentro, desglosada para que puedas comprobarla o usarla como ejemplo resuelto.

Cómo usar la calculadora

  1. Introduce tus datos. Escribe o pega tus números en el campo de valores, separados por espacios, comas, puntos y coma o saltos de línea — por ejemplo 2, 4, 4, 4, 5, 5, 7, 9. Las entradas vacías se ignoran automáticamente.
  2. Elige muestra o población. Elige «muestra» si tus números son una parte de un grupo mayor sobre el que quieres sacar conclusiones (una encuesta, un lote de prueba, unas pocas mediciones). Elige «población» si tus números son todo el grupo que te interesa (todos los alumnos de una clase, cada unidad producida esta semana).
  3. Lee el resultado. La desviación estándar principal corresponde al modo elegido, y debajo se muestran siempre las dos cifras — muestral y poblacional —, junto con la varianza, la media, la suma, la cantidad de datos y el error estándar de la media.
  4. Opcional: muestra los pasos del cálculo. Despliega «mostrar pasos del cálculo» para ver la desviación de cada valor respecto a la media y su cuadrado, además de los totales — útil para comprobar la aritmética o seguirla paso a paso a mano.

Cómo se calcula la desviación estándar: muestra frente a población

El cálculo empieza igual sea cual sea el modo elegido:

  1. Cuenta los valores (n) y súmalos (suma).
  2. Divide la suma entre n para obtener la media.
  3. Para cada valor, resta la media y obtén su desviación, y luego eleva esa desviación al cuadrado.
  4. Suma todas las desviaciones al cuadrado para obtener la suma de cuadrados.

A partir de ahí, los dos modos dividen entre un número distinto:

Desviación estándar poblacional (σ) — úsala cuando tus datos son todo el grupo que te interesa:

σ² = (suma de cuadrados) ÷ n, y σ = √σ²

Desviación estándar muestral (s) — úsala cuando tus datos son una muestra extraída de una población mayor que quieres estimar:

s² = (suma de cuadrados) ÷ (n − 1), y s = √s²

Ese n − 1 es la corrección de Bessel. La media calculada a partir de la propia muestra es, por definición, el valor que minimiza la dispersión dentro de esa muestra concreta — así que medir las desviaciones respecto a ella y dividir entre n subestimaría sistemáticamente la varianza real de la población. Dividir entre n − 1 corrige ese sesgo. Por eso la desviación estándar muestral siempre es un poco mayor que la poblacional para los mismos datos, y por eso hacen falta al menos 2 valores para que exista (con n = 1, n − 1 = 0, y dividir entre cero no tiene solución).

Ejemplo paso a paso

Toma el conjunto clásico 2, 4, 4, 4, 5, 5, 7, 9 (n = 8):

  1. Suma = 2+4+4+4+5+5+7+9 = 40. Media = 40 ÷ 8 = 5.
  2. Desviaciones respecto a la media: −3, −1, −1, −1, 0, 0, 2, 4.
  3. Desviaciones al cuadrado: 9, 1, 1, 1, 0, 0, 4, 16.
  4. Suma de cuadrados = 32.
  5. Varianza poblacional = 32 ÷ 8 = 4; desviación estándar poblacional = √4 = 2.
  6. Varianza muestral = 32 ÷ 7 ≈ 4,5714; desviación estándar muestral = √4,5714 ≈ 2,1381.
  7. Error estándar de la media = 2,1381 ÷ √8 ≈ 0,7559.

Con los mismos ocho números, la desviación estándar poblacional es exactamente 2, la muestral es de aproximadamente 2,1381, y la calculadora muestra ambas a la vez — etiquetadas, para que siempre sepas cuál es cuál.

Conviene saber por qué la calculadora obtiene primero la media y después las desviaciones, en lugar de usar el atajo de «suma de cuadrados» que aparece en algunos libros de texto: cuando los valores están todos cerca de un número común muy grande (por ejemplo, todos alrededor de 1.000.000.010), la fórmula abreviada resta dos números enormes y casi idénticos, y puede perder tanta precisión que devuelva una varianza negativa — algo matemáticamente imposible. Calcular primero la media y después el cuadrado de las desviaciones respecto a ella evita por completo esa trampa y siempre da un resultado correcto y no negativo.

Cómo leer el resultado: varianza, media y error estándar (SEM)

La varianza es la desviación estándar elevada al cuadrado — la misma medida de dispersión, en unidades al cuadrado. Es clave matemáticamente (es justo lo que produce el cálculo de dos pasadas antes de sacar la raíz cuadrada), pero es más difícil de interpretar directamente porque sus unidades no coinciden con las de tus datos: si tus valores están en kilogramos, la varianza sale en kilogramos al cuadrado. La desviación estándar, al volver a las unidades originales de los datos, es la cifra que la mayoría lee y compara.

La media y la suma son simplemente el promedio y el total de tus datos — contexto para las medidas de dispersión, no una medida de dispersión en sí misma.

El error estándar de la media (SEM) es una pregunta completamente distinta: no «¿cuán dispersos están mis datos?», sino «¿con qué precisión la media de mi muestra estima la media real de toda la población?». Se calcula como la desviación estándar muestral dividida entre la raíz cuadrada de n. En el ejemplo anterior, SEM = 2,1381 ÷ √8 ≈ 0,7559 — notablemente menor que la propia desviación estándar, y esa diferencia crece cuanto mayor es la muestra. Por eso el SEM no debería sustituir a la desviación estándar al describir la dispersión de tus datos: hacerlo hace que los datos parezcan artificialmente más homogéneos de lo que realmente son. Usa la desviación estándar para describir la dispersión de tus datos, y el SEM solo cuando hables de la precisión de una media estimada.

Preguntas frecuentes

¿Cuál es la diferencia entre la desviación estándar muestral y la poblacional, y cuándo se usa n o n−1?

La desviación estándar poblacional divide entre n y describe un conjunto de datos completo — úsala cuando tus números son todo el grupo que te interesa. La desviación estándar muestral divide entre n−1 (corrección de Bessel) y estima la dispersión de una población mayor a partir de una parte de ella — úsala cuando tus números son una muestra. La corrección existe porque la media calculada a partir de la propia muestra subestima ligeramente la dispersión real de la población, así que dividir entre un número más pequeño lo compensa. Esta calculadora muestra ambos valores a la vez, así que nunca tienes que adivinar cuál aplica.

¿Cuál es la diferencia entre la desviación estándar y el error estándar de la media (SEM)?

La desviación estándar mide cuán dispersos están los puntos de tus datos. El SEM mide con qué precisión la media de tu muestra estima la media real de la población, y se calcula como DE ÷ √n — así que siempre es menor que la desviación estándar, y se reduce aún más cuanto mayor es la muestra. Responden a preguntas distintas: usa la desviación estándar al describir la variabilidad de los datos, y el SEM (o un intervalo de confianza) al reportar la precisión de una media. Usar el SEM para describir la dispersión de los datos hace que los resultados parezcan más consistentes de lo que son en realidad — una confusión frecuente y engañosa en informes y publicaciones.

¿Cuál es la diferencia entre desviación estándar y varianza?

La varianza es la media de las desviaciones al cuadrado respecto a la media; la desviación estándar es su raíz cuadrada. Ambas llevan la misma información sobre la dispersión, pero la varianza está en unidades al cuadrado (más difíciles de relacionar con tus datos originales), mientras que la desviación estándar está en las mismas unidades que tus datos, por lo que es la cifra que más se lee y se cita. La calculadora calcula la varianza como paso intermedio y muestra ambos valores.

¿Cómo se interpreta una desviación estándar alta o baja?

Una desviación estándar baja significa que tus valores se agrupan cerca de la media; una alta, que están más dispersos. No hay un umbral universal de «alta» o «baja» — depende por completo de las unidades y la escala habitual de tus datos, así que una desviación estándar de 5 es enorme para tallas de zapatos e insignificante para salarios anuales. La comparación útil siempre es relativa: frente a la media, frente a una medición anterior de lo mismo, o frente a otro conjunto de datos medido de la misma forma.

¿Puede la desviación estándar ser negativa o cero?

Nunca puede ser negativa — es la raíz cuadrada de una media de números al cuadrado, y ambas cosas son siempre no negativas. Sí puede ser exactamente cero: ocurre cuando todos los valores del conjunto son idénticos, es decir, no hay ninguna dispersión. Una desviación estándar de 0 es un resultado correcto y con sentido, no un error.

¿En qué unidades se expresa la desviación estándar?

En las mismas unidades que tus datos originales. Si calculas la desviación estándar de pesos en kilogramos, el resultado sale en kilogramos; para temperaturas en grados Celsius, sale en grados Celsius. Esa es una de las razones por las que la desviación estándar es más fácil de interpretar que la varianza, que sale en unidades al cuadrado (kilogramos al cuadrado, grados al cuadrado) sin un equivalente físico directo.

¿Cuántos datos se necesitan para que la desviación estándar sea fiable?

La desviación estándar muestral está definida matemáticamente desde n = 2, pero un resultado con solo 2 o 3 puntos es muy sensible a cualquier valor aislado y rara vez es fiable. Como orientación general, a partir de unas 10 observaciones la estimación empieza a ser razonablemente estable, y la fiabilidad sigue mejorando cuanto mayor es n — no hay un corte fijo, sino una reducción progresiva de cuánto puede distorsionar el resultado un solo valor atípico.

¿Cómo se calcula la desviación estándar en Excel o Google Sheets?

Ambos usan las mismas dos funciones: DESVEST.M() (en inglés STDEV.S()) para la desviación estándar muestral (divide entre n−1) y DESVEST.P() (en inglés STDEV.P()) para la poblacional (divide entre n) — corresponden exactamente a los dos modos de esta calculadora. Ten cuidado si también trabajas con Python: numpy.std() calcula por defecto la versión poblacional (ddof=0), mientras que .std() de pandas calcula por defecto la versión muestral (ddof=1) — los mismos datos pueden darte silenciosamente dos resultados distintos según qué biblioteca los haya calculado, una fuente muy habitual de dudas del tipo «por qué esto no coincide con Excel».

Fuentes