Desviación estándar de una variable aleatoria discreta: Cómo calcularla paso a paso
Aprende a calcular la desviación estándar de una variable aleatoria discreta con fórmulas claras, ejemplos resueltos y consejos de práctica.
Comprendiendo la desviación estándar de una variable aleatoria discreta
Al trabajar con distribuciones de probabilidad, una de las medidas más importantes que encontrarás es la desviación estándar de una variable aleatoria discreta. Este único número te indica qué tan dispersos están los posibles valores alrededor del valor esperado, brindándote una idea crítica de la variabilidad de los resultados. Ya sea que estés analizando la posesión de mascotas en el hogar, dados cargados o pronósticos empresariales, comprender la desviación estándar de una variable aleatoria discreta te ayuda a cuantificar la incertidumbre y tomar mejores decisiones.
En esta guía, desglosamos el concepto desde cero, recorremos los pasos del cálculo y proporcionamos ejemplos completamente resueltos para que puedas dominar esta habilidad estadística esencial.
¿Qué es una variable aleatoria discreta?
Antes de sumergirnos en los cálculos, es útil aclarar exactamente qué es una variable aleatoria discreta y en qué se diferencia de otros tipos de variables.
Una variable aleatoria discreta asigna un valor numérico a cada resultado de un experimento estadístico, pero solo a partir de un conjunto contable de valores distintos. "Contable" significa que puedes enumerar los posibles resultados: incluso si la lista es finita o se extiende infinitamente, teóricamente puedes contarlos uno por uno.
Ejemplos de variables discretas vs. continuas
| Tipo de Variable | Descripción | Ejemplo |
|---|---|---|
| Variable Aleatoria Discreta | Resultados contables y distintos | Número de estudiantes en un aula |
| Variable Aleatoria Discreta | Conjunto finito de valores posibles | Resultado de lanzar un dado de seis caras |
| Variable Aleatoria Continua | Cualquier valor dentro de un rango | Estatura de hombres adultos |
| Variable Aleatoria Continua | Infinitos valores posibles en un intervalo | Tiempo para completar un maratón |
Las variables aleatorias discretas aparecen en todas partes en la vida real: el número de quejas de los clientes por día, la cantidad de artículos defectuosos en un lote de producción o el número de goles marcados en un partido de fútbol. Cada escenario produce resultados de números enteros que puedes enumerar.
¿Qué mide la desviación estándar?
La desviación estándar cuantifica la distancia promedio entre cada valor posible de la variable aleatoria y la media (valor esperado). Una desviación estándar pequeña indica que la mayoría de los resultados se agrupan estrechamente alrededor de la media, mientras que una desviación estándar grande señala que los valores están más dispersos.
Para una variable aleatoria discreta, la desviación estándar es siempre la raíz cuadrada de la varianza. Esta relación es fundamental:
Desviación estándar (σ) = √Varianza (σ²)
La varianza en sí es el promedio ponderado de las desviaciones cuadradas respecto a la media, donde los pesos son las probabilidades de cada resultado.
La fórmula para la desviación estándar de una variable aleatoria discreta
La fórmula matemática para la desviación estándar de una variable aleatoria discreta combina el cálculo de la media con la varianza en una sola expresión:
σ = √[ Σ pᵢ(xᵢ − μ)² ]
Donde:
- σ = desviación estándar
- xᵢ = cada valor posible de la variable aleatoria
- pᵢ = probabilidad de cada valor xᵢ
- μ = media (valor esperado) de la distribución
- Σ = sumatoria sobre todos los valores posibles
Esta fórmula puede parecer intimidante al principio, pero se desglosa en tres pasos manejables que cualquiera puede seguir con una calculadora y una tabla de distribución de probabilidad.
Proceso de cálculo paso a paso
Sigue estos tres pasos cada vez que necesites encontrar la desviación estándar de una variable aleatoria discreta.
Paso 1: Calcular la media (valor esperado)
La media, denotada por μ, es el promedio ponderado por probabilidad de todos los resultados posibles.
μ = Σ(xᵢ × pᵢ)
Multiplica cada resultado por su probabilidad correspondiente y luego suma todos los productos.
Paso 2: Calcular la varianza
Una vez que tengas la media, encuentra la varianza elevando al cuadrado la diferencia entre cada resultado y la media, multiplicando por la probabilidad y sumando los resultados.
σ² = Σ pᵢ(xᵢ − μ)²
Paso 3: Tomar la raíz cuadrada
La desviación estándar es simplemente la raíz cuadrada de la varianza.
σ = √σ²
Tabla resumen de los tres pasos
| Paso | Lo que Calculas | Fórmula |
|---|---|---|
| Paso 1 | Media (Valor Esperado) | μ = Σ(xᵢ × pᵢ) |
| Paso 2 | Varianza | σ² = Σ pᵢ(xᵢ − μ)² |
| Paso 3 | Desviación estándar | σ = √σ² |
Ejemplo resuelto: Número de gatos en un hogar
Trabajemos con un ejemplo concreto para ver el proceso en acción. Supongamos que una encuesta produce la siguiente distribución de probabilidad para el número de gatos en un hogar:
| Número de Gatos (xᵢ) | Probabilidad (pᵢ) |
|---|---|
| 0 | 0.40 |
| 1 | 0.35 |
| 2 | 0.25 |
Paso 1 — Encontrar la media:
μ = (0 × 0.40) + (1 × 0.35) + (2 × 0.25) μ = 0 + 0.35 + 0.50 μ = 0.85
Paso 2 — Encontrar la varianza:
σ² = 0.40(0 − 0.85)² + 0.35(1 − 0.85)² + 0.25(2 − 0.85)² σ² = 0.40(0.7225) + 0.35(0.0225) + 0.25(1.3225) σ² = 0.289 + 0.007875 + 0.330625 σ² = 0.6275
Paso 3 — Encontrar la desviación estándar:
σ = √0.6275 ≈ 0.79
La desviación estándar de aproximadamente 0.79 nos dice que el número de gatos por hogar típicamente se desvía de la media de 0.85 en aproximadamente 0.79 gatos.
Ejemplo resuelto: Dado cargado (trucado) de seis caras
Ahora considera un dado cargado con la siguiente distribución de probabilidad:
| Cara del Dado (xᵢ) | Probabilidad (pᵢ) |
|---|---|
| 1 | 0.10 |
| 2 | 0.20 |
| 3 | 0.20 |
| 4 | 0.40 |
| 5 | 0.05 |
| 6 | 0.05 |
Paso 1 — Encontrar la media:
μ = (1 × 0.10) + (2 × 0.20) + (3 × 0.20) + (4 × 0.40) + (5 × 0.05) + (6 × 0.05) μ = 0.10 + 0.40 + 0.60 + 1.60 + 0.25 + 0.30 μ = 3.25
Paso 2 — Encontrar la varianza:
σ² = 0.10(1 − 3.25)² + 0.20(2 − 3.25)² + 0.20(3 − 3.25)² + 0.40(4 − 3.25)² + 0.05(5 − 3.25)² + 0.05(6 − 3.25)² σ² = 0.10(5.0625) + 0.20(1.5625) + 0.20(0.0625) + 0.40(0.5625) + 0.05(3.0625) + 0.05(7.5625) σ² = 0.50625 + 0.3125 + 0.0125 + 0.225 + 0.153125 + 0.378125 σ² = 1.5875
Paso 3 — Encontrar la desviación estándar:
σ = √1.5875 ≈ 1.26
Una desviación estándar de 1.26 para este dado cargado significa que los lanzamientos individuales típicamente difieren del valor esperado de 3.25 en aproximadamente 1.26 puntos.
Comparación de resultados entre distribuciones
Una forma útil de interpretar la desviación estándar de una variable aleatoria discreta es compararla entre diferentes distribuciones. La tabla a continuación resume nuestros dos ejemplos:
| Distribución | Media (μ) | Varianza (σ²) | Desviación estándar (σ) |
|---|---|---|---|
| Gatos por hogar | 0.85 | 0.6275 | 0.79 |
| Lanzamiento de dado cargado | 3.25 | 1.5875 | 1.26 |
El dado cargado tiene una desviación estándar más alta en relación con su rango, lo que refleja una mayor dispersión en los resultados en comparación con la distribución de posesión de gatos.
Errores comunes a evitar
Incluso con una fórmula sencilla, los estudiantes cometen errores con frecuencia al calcular la desviación estándar de una variable aleatoria discreta. Ten cuidado con estas trampas:
| Error | Por Qué Ocurre | Cómo Evitarlo |
|---|---|---|
| Olvidar elevar al cuadrado las diferencias | Confundir la fórmula de la varianza con la desviación media absoluta | Siempre escribe explícitamente (xᵢ − μ)² |
| Tomar la raíz cuadrada antes de sumar | Hacer las operaciones fuera de orden | Completa la suma completa de la varianza primero, luego la raíz cuadrada |
| Usar n en lugar de pᵢ como pesos | Aplicar la fórmula de la desviación estándar muestral por error | Recuerda: usa probabilidades, no frecuencias |
| Errores aritméticos con decimales | Descuidos en el cálculo manual | Verifica dos veces cada multiplicación y suma |
| Ignorar la validación de la distribución de probabilidad | No verificar que las probabilidades sumen 1 | Siempre verifica que Σpᵢ = 1 antes de comenzar |
Por qué esto importa en aplicaciones reales
Comprender la desviación estándar de una variable aleatoria discreta va mucho más allá de aprobar un examen de estadística. En finanzas, ayuda a cuantificar el riesgo de inversión. En control de calidad, identifica la variabilidad del proceso. En atención médica, mide la consistencia de los resultados de los pacientes.
Organizaciones como Khan Academy ofrecen recursos gratuitos que amplían estos conceptos con ejercicios interactivos y explicaciones en video, lo que facilita la construcción de la intuición a través de la práctica.
Preguntas frecuentes
¿Para qué se utiliza la desviación estándar de una variable aleatoria discreta? Mide qué tan dispersos están los posibles valores de la variable aleatoria respecto al valor esperado (media). Una desviación estándar más alta indica una mayor variabilidad en los resultados, mientras que un valor más bajo significa que los resultados se agrupan más cerca de la media.
¿Puede la desviación estándar de una variable aleatoria discreta ser cero alguna vez? Sí. Si la variable aleatoria toma solo un valor posible con probabilidad 1, la desviación estándar es igual a cero porque no hay variación alguna. Cada resultado es idéntico a la media.
¿En qué se diferencia la varianza de la desviación estándar? La varianza es el promedio de las desviaciones cuadradas respecto a la media, mientras que la desviación estándar es la raíz cuadrada de la varianza. La desviación estándar se expresa en las mismas unidades que la variable original, lo que la hace más interpretable en contextos prácticos.
¿Necesito conocer la media antes de calcular la desviación estándar? Absolutamente. La media es necesaria porque la fórmula de la desviación estándar la utiliza para calcular cada desviación (xᵢ − μ). Debes completar el Paso 1 antes de pasar al Paso 2.
¿Es diferente la fórmula para una variable aleatoria continua? Sí. Las variables aleatorias continuas usan integrales en lugar de sumatorias porque tienen infinitos valores posibles dentro de un rango. La fórmula discreta con sumatoria se aplica solo cuando los resultados son contables y distintos.
Guías relacionadas
Comprensión de la Distribución Normal con Desviación Estándar: La Guía Completa de la Curva de Campana
Aprende cómo funciona una distribución normal con desviación estándar, la regla 68-95-99.7 y cómo interpretar la dispersión de datos en estadística.
Desviación estándar de datos agrupados: Cómo calcularla correctamente
Aprende a calcular la desviación estándar de datos agrupados utilizando métodos paso a paso, fórmulas y ejemplos prácticos para un análisis estadístico preciso.
Desviación estándar de una distribución binomial: Cómo calcularla e interpretarla
Aprende a encontrar la desviación estándar de una distribución binomial usando fórmulas sencillas. Domina la media, la varianza y ejemplos del mundo real.
La Regla Empírica de la Desviación Estándar: Comprendiendo la Regla 68-95-99.7
Aprende cómo la regla empírica utiliza la desviación estándar para predecir la distribución de datos. Domina la regla 68-95-99.7 para estadística, inversión y control de calidad.