Las ideas que te ahorran tiempo al calcularla
- La desviación típica mide dispersión: cuanto más grande es, más separados están los datos de la media.
- Si trabajas con toda la población, divides entre N; si es una muestra, normalmente usas n-1.
- Primero se calculan las desviaciones respecto a la media y luego se elevan al cuadrado.
- El resultado final siempre queda en las mismas unidades que los datos originales.
- En distribución normal, una desviación típica pequeña suele concentrar la mayoría de valores cerca del centro.
Qué mide realmente la desviación típica
Dos conjuntos pueden tener la misma media y, sin embargo, comportarse de forma muy distinta. Si las notas de un grupo son casi iguales, la desviación típica será baja; si unas están muy cerca del 10 y otras suspenden, será alta. Por eso esta medida no habla del centro, sino de la dispersión alrededor de ese centro.
Yo suelo explicarla así: la media te dice dónde está el “punto de equilibrio” y la desviación típica te dice cuánto se alejan, de forma habitual, los datos de ese punto. Técnicamente, es la raíz cuadrada de la varianza, y eso tiene una ventaja importante: el resultado vuelve a expresarse en las mismas unidades que los datos originales, algo que la varianza no hace porque queda en unidades al cuadrado.Con esa idea clara, ya se puede elegir la fórmula correcta según el tipo de conjunto que tengas delante.
La fórmula que debes usar según el caso
La parte que más confunde no es la cuenta, sino saber qué denominador usar. Yo lo resumo así: si el conjunto contiene todos los elementos que te interesan, trabajas con población; si solo es una parte y quieres estimar un universo mayor, usas muestra.
| Caso | Fórmula | Cuándo la uso |
|---|---|---|
| Población | σ = √(Σ(xi - μ)2 / N) | Cuando analizas todos los datos disponibles |
| Muestra | s = √(Σ(xi - x̄)2 / (n - 1)) | Cuando los datos son una parte de un conjunto mayor |
El detalle de n-1 no es un capricho. Corrige la tendencia a infravalorar la dispersión cuando solo observas una parte de la población. Con esto ya no deberías dudar entre una fórmula y otra, así que toca verla funcionando con números reales.
Cómo se calcula paso a paso con un ejemplo
Voy a usar un ejemplo clásico porque deja ver bien el proceso: 2, 4, 4, 4, 5, 5, 7, 9. Yo prefiero no saltarme pasos al principio, porque en estos ejercicios el error suele aparecer por ir demasiado rápido y no por no saber la teoría.
Primero calculamos la media:
μ = (2 + 4 + 4 + 4 + 5 + 5 + 7 + 9) / 8 = 5
Después restamos la media a cada dato, elevamos al cuadrado y sumamos todo:
| Dato | Dato - media | Cuadrado |
|---|---|---|
| 2 | -3 | 9 |
| 4 | -1 | 1 |
| 4 | -1 | 1 |
| 4 | -1 | 1 |
| 5 | 0 | 0 |
| 5 | 0 | 0 |
| 7 | 2 | 4 |
| 9 | 4 | 16 |
La suma de los cuadrados es 32. A partir de ahí, el resultado cambia según el caso:
- Población: σ = √(32 / 8) = √4 = 2
- Muestra: s = √(32 / 7) ≈ √4,5714 ≈ 2,14
La diferencia entre 2 y 2,14 puede parecer pequeña, pero en estadística no es un detalle menor: cambia la interpretación y también puede cambiar la nota si el ejercicio pide expresamente una muestra. La clave aquí no es memorizar el resultado, sino seguir el orden correcto: media, desviaciones, cuadrados, suma, división y raíz.
Una vez interiorizado el proceso, el siguiente paso es evitar los fallos típicos que estropean la cuenta aunque el planteamiento sea bueno.
Los errores que más distorsionan el resultado
En exámenes y ejercicios de clase, casi siempre veo los mismos fallos. No suelen venir de la fórmula en sí, sino de una mala lectura del enunciado o de una cuenta hecha con demasiada prisa.
| Error habitual | Qué provoca | Cómo evitarlo |
|---|---|---|
| Sumar solo las desviaciones sin elevarlas al cuadrado | Las desviaciones positivas y negativas se anulan | Eleva cada diferencia al cuadrado antes de sumar |
| Usar N cuando el ejercicio pide una muestra | El resultado sale demasiado optimista | Comprueba si el conjunto es completo o solo representativo |
| Redondear la media demasiado pronto | Arrastras pequeños errores en todo el cálculo | Guarda decimales hasta el final |
| Confundir media con mediana | Trabajas sobre un centro equivocado | La desviación típica siempre se calcula respecto a la media |
| No revisar las unidades | Interpretas mal el número final | Recuerda que el resultado conserva las mismas unidades que los datos |
Si tuviera que priorizar una revisión rápida, miraría primero el denominador y después la media. Ahí es donde se esconden la mayoría de errores. Con eso controlado, ya solo falta interpretar bien lo que dice el número obtenido, que es donde la estadística empieza a ser realmente útil.
Qué dice de tus datos cuando ya la has calculado
Una desviación típica solo cobra sentido si la lees en contexto. Un valor bajo suele indicar datos muy agrupados cerca de la media; uno alto, que la dispersión es mayor. Eso no significa automáticamente “mejor” o “peor”: significa más consistencia o menos consistencia, según lo que estés midiendo.
En probabilidad, la misma idea se expresa con la notación σ = √(E[(X - μ)2]), donde E representa la esperanza matemática. No hace falta dominar esa escritura para resolver la mayoría de ejercicios, pero sí ayuda a entender que la desviación típica también describe variables aleatorias y no solo listas de datos cerradas.
Cuando la distribución es aproximadamente normal, la regla empírica da una referencia muy práctica: cerca del 68% de los valores cae entre μ ± σ, alrededor del 95% entre μ ± 2σ y casi el 99,7% entre μ ± 3σ. Yo la uso como orientación, no como ley universal, porque deja de ser fiable si los datos están sesgados o tienen colas muy largas.
También hay otro matiz útil: si comparas magnitudes muy distintas, como euros y gramos, la desviación típica puede quedarse corta como herramienta de comparación. En esos casos, el coeficiente de variación puede ser más informativo porque relaciona la dispersión con la media y te deja comparar series a otra escala.Con esta lectura ya no miras la fórmula como una simple operación, sino como una forma de describir comportamiento estadístico real.
Lo que conviene fijar en la cabeza antes de entregar el ejercicio
Si tuviera que resumir todo en una secuencia corta, me quedaría con esta: media, desviaciones, cuadrados, suma, división y raíz. A partir de ahí, solo hay una decisión importante: N para población o n-1 para muestra.
- Si el enunciado habla del conjunto completo, usa la fórmula poblacional.
- Si el enunciado habla de una parte representativa, usa la fórmula muestral.
- No sumes desviaciones sin elevarlas al cuadrado.
- No redondees antes de tiempo.
- Interpreta el resultado en relación con la escala de los datos.
En exámenes de estadística, esta es una de esas cuentas en las que la mecánica cuenta, pero la lectura del enunciado cuenta más. Cuando distingues bien población y muestra, la desviación típica deja de parecer una fórmula larga y pasa a ser una medida muy clara de dispersión.
