Cómo calcular una desviación estándar: Guía completa paso a paso con ejemplos

Aprende cómo calcular una desviación estándar con fórmulas claras, ejemplos resueltos y aplicaciones prácticas. Domina los cálculos de población y muestra.

Comprender cómo se distribuyen los datos alrededor de un promedio es una de las habilidades más valiosas en estadística, finanzas y ciencia. Cuando aprendes cómo calcular una desviación estándar, desbloqueas la capacidad de medir la variabilidad, evaluar el riesgo y tomar decisiones basadas en datos con confianza. Ya sea que estés analizando puntajes de exámenes, rendimientos de acciones o métricas de control de calidad, esta guía te lleva por cada paso del proceso con explicaciones claras y ejemplos del mundo real.

¿Qué es la desviación estándar y por qué es importante?

La desviación estándar cuantifica cuánto se desvían los puntos de datos individuales de la media (promedio) de un conjunto de datos. Una desviación estándar baja significa que los valores se agrupan estrechamente alrededor de la media, mientras que una desviación estándar alta indica que los puntos de datos se extienden en un rango más amplio.

Esta medida es importante porque los promedios por sí solos pueden ser engañosos. Dos conjuntos de datos pueden compartir la misma media pero comportarse de manera completamente diferente. Por ejemplo, imagina dos carteras de inversión que ambas rinden un 8% anual. Si la Cartera A tiene una desviación estándar del 2% y la Cartera B tiene una desviación estándar del 25%, los perfiles de riesgo son drásticamente diferentes — la Cartera B experimenta oscilaciones mucho más volátiles a pesar del mismo rendimiento promedio.

Concepto	Qué te indica	Analogía en el mundo real
Media	Tendencia central	Temperatura diaria promedio
Desviación estándar	Dispersión o variabilidad	Cuánto fluctúan las temperaturas diarias
Varianza	Desviación cuadrática promedio	Utilizada en el proceso de cálculo
Rango	Máximo menos mínimo	Medida de dispersión más simple

Desviación estándar poblacional vs. muestral — Diferencias clave

Antes de sumergirte en cómo calcular una desviación estándar, necesitas entender qué versión se aplica a tu situación. La distinción entre la desviación estándar poblacional y muestral afecta tanto la fórmula como la interpretación de tus resultados.

La desviación estándar poblacional (σ) se aplica cuando tienes datos de cada miembro del grupo que estás estudiando. Divides por N (el número total de valores). Esta es la verdadera medida de variabilidad para todo tu conjunto de datos.

La desviación estándar muestral (s) se aplica cuando estás trabajando con un subconjunto de una población más grande. Divides por N−1 en lugar de N, lo que corrige el sesgo que proviene de estimar parámetros poblacionales a partir de una muestra. Esta corrección, conocida como corrección de Bessel, produce una estimación más precisa.

Característica	Poblacional (σ)	Muestral (s)
Cuándo usar	Población completa medida	Subconjunto de la población
Denominador	N	N − 1
Símbolo	σ (sigma)	s
Sesgo	Ninguno (valor exacto)	Corregido por sesgo
Escenario común	Control de calidad en línea de producción completa	Investigación por encuestas, muestreo financiero

Cómo calcular una desviación estándar — Proceso paso a paso

El cálculo sigue una secuencia lógica de cinco pasos. Una vez que entiendes el patrón, puedes aplicarlo a cualquier conjunto de datos.

Paso 1: Encontrar la media

Suma todos los valores y divide por la cantidad de valores. Para una población, esto es μ (mu). Para una muestra, esto es x̄ (x-barra).

Fórmula: μ = (Σxᵢ) / N

Paso 2: Calcular cada desviación de la media

Resta la media de cada valor individual. Algunos resultados serán negativos (por debajo de la media) y otros positivos (por encima de la media).

Paso 3: Elevar al cuadrado cada desviación

Elevar al cuadrado elimina los números negativos y da más peso a las desviaciones más grandes. Por esto los valores atípicos tienen una influencia desproporcionada en la desviación estándar.

Paso 4: Encontrar la varianza

Promedia las desviaciones al cuadrado. Para la varianza poblacional, divide por N. Para la varianza muestral, divide por N−1.

Paso 5: Obtener la raíz cuadrada

La raíz cuadrada devuelve la medida a las unidades originales de tus datos, haciéndola interpretable.

Paso	Operación	Propósito
1	Calcular la media	Establecer el punto central
2	Restar la media de cada valor	Encontrar desviaciones individuales
3	Elevar al cuadrado cada desviación	Eliminar negativos, ponderar valores atípicos
4	Promediar las desviaciones al cuadrado	Calcular la varianza
5	Raíz cuadrada de la varianza	Volver a las unidades originales

Ejemplo resuelto — Calculando la desviación estándar a mano

Trabajemos con un ejemplo concreto utilizando el conjunto de datos: 10, 12, 14, 16, 18

Paso 1 — Encontrar la media: μ = (10 + 12 + 14 + 16 + 18) / 5 = 70 / 5 = 14

Paso 2 — Calcular las desviaciones de la media:

Valor (xᵢ)	Desviación (xᵢ − μ)
10	10 − 14 = −4
12	12 − 14 = −2
14	14 − 14 = 0
16	16 − 14 = 2
18	18 − 14 = 4

Paso 3 — Elevar al cuadrado cada desviación:

Desviación	Desviación al cuadrado
−4	16
−2	4
0	0
2	4
4	16

Paso 4 — Calcular la varianza: Suma de desviaciones al cuadrado = 16 + 4 + 0 + 4 + 16 = 40 Varianza poblacional = 40 / 5 = 8 Varianza muestral = 40 / (5−1) = 10

Paso 5 — Obtener la raíz cuadrada: σ poblacional = √8 ≈ 2.83 s muestral = √10 ≈ 3.16

Observa cómo la desviación estándar muestral es mayor debido a la corrección N−1. Este ajuste explica el hecho de que una muestra típicamente subestima la variabilidad real de la población.

Aplicaciones comunes de la desviación estándar

La desviación estándar aparece en prácticamente todos los campos que trabajan con datos. Estas son las aplicaciones más impactantes:

Finanzas e Inversión: La desviación estándar mide la volatilidad de la inversión. Una acción con una desviación estándar del 15% es mucho más arriesgada que una con una desviación estándar del 3%, incluso si ambas tienen el mismo rendimiento esperado. Los gestores de carteras utilizan esta métrica para optimizar los rendimientos ajustados al riesgo.

Control de calidad: Los fabricantes establecen rangos aceptables en ±2 o ±3 desviaciones estándar desde la medición objetivo. Los productos que caen fuera de estos límites desencadenan revisiones del proceso. Este enfoque detecta defectos mientras minimiza las falsas alarmas.

Meteorología y Clima: Los meteorólogos utilizan la desviación estándar para comunicar la variabilidad de la temperatura. Dos ciudades con temperaturas promedio idénticas pueden tener desviaciones estándar muy diferentes, lo que significa que una experimenta un clima estable mientras que la otra oscila entre extremos.

Educación y Exámenes: Los puntajes de pruebas estandarizadas a menudo se informan con desviaciones estándar para ayudar a interpretar el rendimiento individual. Un punto por encima de la media en una desviación estándar típicamente coloca a un estudiante en el percentil 84 de una distribución normal.

Campo	Qué mide la desviación estándar	Umbral típico
Finanzas	Riesgo/volatilidad de inversión	Más bajo = inversión más segura
Manufactura	Consistencia del producto	Límites de control ±2σ o ±3σ
Meteorología	Variabilidad de la temperatura	Más bajo = clima más estable
Educación	Dispersión de puntajes	±1σ cubre ~68% de los estudiantes

Referencia rápida: Fórmulas de un vistazo

Tener las fórmulas a la mano facilita aplicar cómo calcular una desviación estándar en la práctica. Aquí están las ecuaciones esenciales:

Tipo de fórmula	Ecuación	Variables
DE Poblacional	σ = √[Σ(xᵢ − μ)² / N]	μ = media poblacional, N = tamaño de la población
DE Muestral	s = √[Σ(xᵢ − x̄)² / (N−1)]	x̄ = media muestral, N = tamaño de la muestra
Varianza poblacional	σ² = Σ(xᵢ − μ)² / N	Cuadrado de la DE poblacional
Varianza muestral	s² = Σ(xᵢ − x̄)² / (N−1)	Cuadrado de la DE muestral

Para aquellos que prefieren herramientas computacionales, el NIST Engineering Statistics Handbook proporciona una guía autorizada sobre métodos estadísticos, incluidos los cálculos de desviación estándar.

Consejos para cálculos precisos

Verifica tu media primero. Un error en la media se propaga a cada paso subsiguiente.
Usa una hoja de cálculo para grandes conjuntos de datos. El cálculo manual se vuelve poco práctico más allá de 20-30 valores.
Distingue la población de la muestra. Usar N en lugar de N−1 para los datos de la muestra subestima sistemáticamente la variabilidad.
Cuidado con los valores atípicos. Debido a que las desviaciones se elevan al cuadrado, los valores extremos inflan desproporcionadamente la desviación estándar.
Informa las unidades. La desviación estándar lleva las mismas unidades que tus datos originales (dólares, grados, puntos, etc.).

Preguntas frecuentes

¿Qué significa una desviación estándar de 0? Una desviación estándar de 0 significa que cada valor en el conjunto de datos es idéntico; no hay variabilidad alguna. Todos los puntos de datos son exactamente iguales a la media.

¿Debería usar la desviación estándar poblacional o muestral? Usa la desviación estándar poblacional cuando tengas datos de cada miembro del grupo que estás analizando. Usa la desviación estándar muestral cuando tus datos representen un subconjunto extraído de una población más grande. En la práctica, la desviación estándar muestral se usa más comúnmente porque medir poblaciones enteras a menudo es poco práctico.

¿En qué se diferencia la desviación estándar de la varianza? La varianza es el promedio de las desviaciones al cuadrado de la media, mientras que la desviación estándar es la raíz cuadrada de la varianza. La desviación estándar es más interpretable porque se expresa en las mismas unidades que los datos originales, mientras que la varianza está en unidades al cuadrado.

¿Puede la desviación estándar ser negativa alguna vez? No. Debido a que el cálculo implica elevar al cuadrado las desviaciones y luego tomar la raíz cuadrada de un número positivo, la desviación estándar siempre es cero o positiva. Solo las desviaciones individuales de la media (antes de elevar al cuadrado) pueden ser negativas.