Calculadora de Desviación Estándar y Varianza Online 2026: Media, σ, s² de Población y Muestra con Pasos y Histograma
La calculadora de desviación estándar más completa en español. Calcula simultáneamente la desviación estándar de población (σ) y de muestra (s), las varianzas σ² y s², la media, mediana, cuartiles Q1/Q3, IQR, coeficiente de variación y deteción automática de valores atípicos. Soporta datos directos (hasta 2000 valores) y tabla de frecuencias. Pasos del cálculo, histograma, PDF y WhatsApp.
Ingresa tus datos
Resultados
Ingresa los datos y presiona Calcular
Qué son la desviación estándar y la varianza en estadística
Cuando tienes un conjunto de datos, la media (promedio) te dice dónde está el centro. Pero dos conjuntos pueden tener exactamente la misma media y ser completamente diferentes: uno concentrado alrededor del centro, el otro con valores dispersos por todos lados. La desviación estándar y la varianza miden exactamente esa diferencia: qué tanto se alejan los valores individuales de la media. Son las medidas de dispersión más importantes de la estadística y aparecen en absolutamente todos los campos donde se analicen datos, desde calificaciones escolares hasta control de calidad industrial y gestión de riesgo financiero.
En América Latina, estas medidas son materia obligatoria desde el bachillerato y son herramientas rutinarias en las carreras de ingeniería, administración, economía, ciencias de la salud y pedagogía. Un director de producción en una fábrica maquiladora en Monterrey usa la desviación estándar del peso de sus piezas para controlar la calidad. Un economista del DANE en Colombia usa la desviación estándar del ingreso para medir desigualdad. Un maestro en Buenos Aires la usa para interpretar la distribución de calificaciones de su grupo. La habilidad de calcularla e interpretarla correctamente marca la diferencia entre un analista promedio y uno excepcional.
La diferencia entre desviación estándar de población (σ) y de muestra (s)
Esta es la fuente de confusión más frecuente en estadística básica. La diferencia está en el denominador de la fórmula y en el contexto de uso. La desviación estándar de población (σ) divide entre n: se usa cuando tienes TODOS los datos de la población que te interesa. Por ejemplo: las calificaciones de los 35 alumnos de un grupo (ese grupo completo ES tu población). La desviación estándar de muestra (s) divide entre n-1: se usa cuando tienes una muestra y quieres estimar la variabilidad de la población de donde proviene. Por ejemplo: las calificaciones de 35 alumnos seleccionados al azar de una escuela con 500 estudiantes.
El motivo por el que la muestra divide entre n-1 (en lugar de n) es que la muestra tiende a subestimar la variabilidad real de la población cuando se divide entre n. Al dividir entre n-1 (menos que n), se «infla» ligeramente el resultado para compensar ese sesgo. Este ajuste se llama corrección de Bessel. En la práctica: si tus datos son un censo completo, usa σ. Si son una muestra de una población mayor, usa s. Esta calculadora calcula ambas simultáneamente para que puedas elegir la correcta.
La fórmula de la varianza: por qué elevar al cuadrado las desviaciones
La varianza se calcula como el promedio de los cuadrados de las desviaciones de la media: σ² = ∑(xᵢ-μ)²/n. El motivo de elevar al cuadrado es elégante: si simplemente promedias las diferencias (xᵢ-μ) sin elevar al cuadrado, siempre obtienes cero (porque los valores por encima y por debajo de la media se cancelan). Al elevar al cuadrado, todos los términos se hacen positivos y las desviaciones grandes reciben mucho mayor peso que las pequeñas (porque elevar al cuadrado amplifica las magnitudes grandes). La desviación estándar (σ) es simplemente la raíz cuadrada de la varianza, lo que la devuelve a las mismas unidades que los datos originales. Si tus datos son en kilogramos, la varianza está en kg² y la desviación estándar en kg.
Coeficiente de variación: comparando dispersión entre diferentes unidades
La desviación estándar tiene una limitación: no puedes comparar directamente la variabilidad de dos conjuntos de datos si sus medias son muy diferentes o están en unidades distintas. El coeficiente de variación (CV) resuelve esto: CV = (σ/μ) × 100%. Es la desviación estándar expresada como porcentaje de la media, eliminando las unidades. Permite comparar manzanas con naranjas: ¿es más variable el peso de los aguacates (media: 200g, σ: 30g, CV=15%) o el precio del aguacate (media: MXN 45, σ: 8, CV=18%)? El precio es ligeramente más variable en términos relativos aunque su desviación absoluta sea menor. Un CV por encima del 30-35% suele indicar alta variabilidad relativa, algo que los gerentes de producción y analístas de calidad vigilan de cerca.
Cómo funciona esta calculadora de desviación estándar y varianza
Esta herramienta opera en dos modos que cubren los dos formatos más comunes en que se presentan los datos en América Latina, desde el aula hasta el laboratorio industrial.
Modo 1: Ingresa datos separados por comas o saltos de línea
Pegas o escribes tus valores numéricos directamente: pueden estar separados por comas, punto y coma, espacios o saltos de línea. La calculadora acepta hasta 2000 valores y muestra en tiempo real cuántos detectó. Al presionar Calcular, la herramienta usa Big.js para la aritmética de alta precisión (media, suma de cuadrados) y devuelve: n, suma, media, varianza de población, varianza de muestra, desviación estándar de población y de muestra, mínimo, máximo, rango, mediana, Q1, Q3, IQR y coeficiente de variación. La sección de pasos muestra la expansión algebraica del cálculo paso a paso con los valores reales (truncada para datasets grandes). El histograma de distribución muestra la frecuencia de cada intervalo, con el intervalo que contiene la media marcado en dorado.
Modo 2: Tabla de frecuencias para datos agrupados
Cuando tienes datos en formato tabulado (valor-frecuencia), uses el Modo 2. Cada fila ingresa un valor y cuántas veces aparece en el dataset. La herramienta expande internamente los datos (repitiendo cada valor f veces) y calcula todas las estadísticas de la misma forma. Este formato es muy común en investigación educativa (distribuciones de calificaciones), control de calidad (tablas de defectos por tipo) y censos (distribuciones de ingresos por tramo). Puedes agregar o eliminar filas dinámicamente. Los valores por defecto son un ejemplo de distribución de calificaciones con 30 estudiantes.
Detección automática de valores atípicos (outliers)
La calculadora aplica automáticamente el método IQR × 1.5 (el más usado en estadística descriptiva) para detectar valores atípicos: se consideran outliers los valores que están por debajo de Q1-1.5×IQR o por encima de Q3+1.5×IQR. Si se detectan outliers, se muestra una alerta con los valores atípicos identificados y el rango válido. Los outliers no se eliminan del cálculo (es una decisión del analista, no de la herramienta), pero se informan para que el usuario decida si son errores de medición o valores extremos genuinos que merecen investigación.
3 Ejemplos Reales de Desviación Estándar en América Latina
Caso 1: Control de calidad en manufactura — México
Una fábrica de componentes automotrices en Querétaro produce tornillos con especificación de 12.00 mm ± 0.15 mm. El ingeniero de calidad mide 10 piezas consecutivas: 11.98, 12.02, 11.97, 12.05, 12.00, 11.95, 12.03, 11.99, 12.01, 12.00 mm.
Ingresa estos 10 valores para calcular σ y verificar si el proceso está dentro de especificación. Si σ supera 0.05 mm, el proceso necesita ajuste.
En fabricación de precisión, la comparación entre la desviación estándar del proceso y la tolerancia permitida se formaliza en el índice de capacidad de proceso Cp = (USL-LSL)/(6σ). Para este caso: Cp = 0.30/(6×0.028) = 1.79, superior al mínimo aceptable de 1.33 que exigen las normas IATF 16949 y los clientes de la industria automotriz en México como las ensambladoras de la Alianza del Pacífico. El Ministerio de Economía de México promueve estos estándares de calidad.
Caso 2: Análisis educativo — Colombia
Un coordinador académico del ICFES en Bogotá tiene las calificaciones de matemáticas de 20 estudiantes: 45, 67, 72, 58, 89, 76, 63, 54, 82, 71, 49, 88, 65, 77, 60, 83, 51, 74, 69, 78. Necesita reportar la variabilidad del grupo para comparar con la media nacional (70 puntos, σ=12).
Ingresa estos 20 valores para obtener la media y desviación estándar del grupo y comparar con el estándar nacional.
Un grupo con σ mayor que la media nacional indica mayor heterogeneidad: hay estudiantes tanto muy destacados como con dificultades que necesitan apoyo diferenciado. Esta información es fundamental para los reportes que los colegios entregan al Ministerio de Educación de Colombia. El coeficiente de variación (CV) permite comparar la variabilidad entre grupos de diferentes asignaturas, independientemente de que cada materia tenga escalas de calificación distintas.
Caso 3: Análisis de rendimiento de inversión — Chile
Un asesor financiero de AFP Habitat en Santiago compara dos fondos de renta variable. Fondo A tuvo retornos mensuales: 2.1, -1.3, 3.5, 0.8, -2.1, 4.2, 1.1, -0.5, 2.8, 1.9%. Fondo B: 1.5, 1.3, 1.6, 1.4, 1.5, 1.4, 1.6, 1.5, 1.4, 1.4%. Misma media aproximada, muy diferente volatilidad.
Calcula la σ de cada fondo para comparar el riesgo (volatilidad) usando la muestra como representación del comportamiento histórico.
En finanzas, la desviación estándar de los retornos es la medida estándar de riesgo (volatilidad). El Fondo A tiene 20 veces más riesgo que el Fondo B, con similar rentabilidad promedio. La relación retorno/riesgo (ratio de Sharpe) favorece claramente al Fondo B para inversores conservadores. La Comisión para el Mercado Financiero de Chile exige que los fondos de inversión reporten su volatilidad histórica (desviación estándar anualizada) a sus particionistas como indicador clave de riesgo.
3 Consejos de Expertos para Usar la Desviación Estándar Correctamente
Siempre reporta la media JUNTO con la desviación estándar, nunca sola
La media sin la desviación estándar es como dar el destino sin decir por qué camino: incompleto. Un salario promedio de MXN 18,000 mensuales sin saber la desviación estándar puede ocultar que el 80% gana entre 10,000 y 14,000 y un 5% gana 80,000+, jalando la media hacia arriba. Al reportar: «x̄=18,000, σ=15,200, n=200», el lector puede inmediatamente detectar la alta dispersión relativa (CV=84%) y sospechar la presencia de valores extremos. El estilo científico estándar es escribir x̄ ± σ (o x̄ ± s para muestras), como «18,000 ± 15,200 MXN».
Investiga los valores atípicos antes de eliminarlos automáticamente
Los outliers detectados por el método IQR×1.5 no deben eliminarse automáticamente. Pueden ser: errores de medición o transcripción (eliminar), eventos genuinos pero infrecuentes (mantener), o fallas del proceso que deben investigarse (registrar y analizar). En control de calidad industrial, un valor atípico en el peso de una pieza puede ser una pieza defectuosa que salvó a toda la línea de una no conformidad mayor. En datos educativos, puede ser un estudiante con necesidades especiales. La recomendación es siempre investigar antes de eliminar.
Usa el coeficiente de variación para comparar dispersión entre grupos diferentes
El CV (desviación estándar como porcentaje de la media) es la herramienta correcta cuando quieres comparar variabilidad entre conjuntos de datos con diferentes escalas o unidades. Regla práctica ampliamente usada en América Latina en investigación agronómica y educativa: CV < 10% = muy baja variabilidad, CV 10-20% = variabilidad moderada, CV 20-30% = alta variabilidad, CV > 30% = muy alta variabilidad (revisar la calidad de los datos o el proceso generador). El INIFAP en México y el INIA en Chile usan esta escala en sus publicaciones de investigación agrícola.
16 Preguntas Frecuentes sobre Desviación Estándar y Varianza
¿Qué mide la desviación estándar?
La desviación estándar mide la dispersión promedio de los datos respecto a su media. Un valor de σ=5 significa que los datos se desvían en promedio 5 unidades de la media (aunque ningún dato individual necesariamente se desvía exactamente 5 unidades). Cuanto mayor es σ, más dispersos son los datos; cuanto menor, más concentrados alrededor de la media.
¿Cuándo uso σ (población) y cuándo s (muestra)?
Usa σ cuando tienes todos los datos del grupo que te interesa analizar (un grupo completo de alumnos, todos los productos de un lote). Usa s cuando tus datos son una muestra de una población mayor y quieres estimar la variabilidad real de esa población (encuestas, muestras de control de calidad). En la mayoría de investigaciones científicas y empresariales se usa s, porque casi siempre se trabaja con muestras.
¿Por qué la fórmula de muestra divide entre n-1?
Es la corrección de Bessel: al calcular la varianza de una muestra dividiendo entre n, el resultado tiende a ser ligeramente menor que la varianza real de la población (estimador sesgado). Dividir entre n-1 en lugar de n produce un estimador insesgado de la varianza poblacional. Intuitivamente, la muestra «usa» un grado de libertad para estimar la media, por lo que le quedan n-1 grados de libertad para estimar la varianza.
¿Qué es la varianza y cómo se relaciona con la desviación estándar?
La varianza (σ²) es el promedio de los cuadrados de las desviaciones: σ² = ∑(xᵢ-μ)²/n. La desviación estándar es la raíz cuadrada de la varianza: σ = √σ². La varianza tiene unidades cuadradas (si los datos son en metros, la varianza es en m²), lo que la hace menos intuitiva. La desviación estándar tiene las mismas unidades que los datos, siendo más fácil de interpretar. Sin embargo, la varianza es matemáticamente más manejable en teoría estadística (las varianzas se suman; las desviaciones estándar no).
¿Qué es el coeficiente de variación y cuándo usarlo?
CV = (σ/μ)×100%. Expresa la desviación estándar como porcentaje de la media, eliminando las unidades. Se usa cuando quieres comparar la variabilidad relativa de conjuntos de datos con diferentes medias o unidades. Por ejemplo: ¿es más variable la altura (μ=1.70m, σ=0.08m, CV=4.7%) o el peso (μ=70kg, σ=12kg, CV=17%) de una población? El peso es mucho más variable en términos relativos, aunque su desviación absoluta sea mayor.
¿Qué es la Regla 68-95-99.7 y cómo usar la desviación estándar con ella?
Para datos con distribución normal: el 68% de los datos cae dentro de μ±σ, el 95% dentro de μ±2σ, y el 99.7% dentro de μ±3σ. Esta regla permite hacer inferencias inmediatas: si las notas de un examen tienen μ=70 y σ=10, el 95% de los estudiantes tiene entre 50 y 90 puntos. Esta regla solo aplica exactamente cuando los datos siguen una distribución normal; para otros tipos de distribuciones, la desigualdad de Chebyshev provee límites más generales.
¿Qué es el IQR y cómo detecta valores atípicos?
IQR (Rango Intercuartílico) = Q3-Q1, la diferencia entre el tercer y primer cuartil. Contiene el 50% central de los datos. El método de Tukey (1.5×IQR) define outliers como valores por debajo de Q1-1.5×IQR o por encima de Q3+1.5×IQR. Este método es más robusto que usar la desviación estándar para detectar outliers, porque el IQR mismo no es afectado por los valores extremos (mientras que σ sí lo es).
¿Puede la desviación estándar ser negativa?
No. La desviación estándar siempre es cero o positiva. Es cero solo cuando TODOS los datos son iguales (ninguna variación). Cualquier variación produce σ > 0. Esto es porque se eleva al cuadrado antes de promediar (eliminando los negativos) y luego se toma la raíz cuadrada positiva. Si obtienes un valor negativo en algún cálculo manual, hay un error en el procedimiento.
¿Cómo se interpreta la desviación estándar en control de calidad?
En control de calidad, σ se compara con las tolerancias del producto usando el índice de capacidad Cp = (USL-LSL)/(6σ), donde USL y LSL son los límites superior e inferior de especificación. Cp > 1.33 es generalmente aceptable; Cp > 1.67 indica proceso muy capaz. Un proceso «Six Sigma» tiene Cp = 2.0, significando que 6 desviaciones estándar caben dentro de la tolerancia. Las normas IATF 16949 (industria automotriz) y ISO 9001 requieren métrica de capacidad basada en σ en méxico y toda latinoamérica.
¿Qué diferencia hay entre la mediana y la media y cuándo usar cada una?
La media (promedio) es afectada por valores extremos; la mediana (valor central cuando los datos se ordenan) no lo es. Para datos con alta desviación estándar o outliers, la mediana describe mejor el «centro típico». Ejemplo clásico: los salarios. Si 9 trabajadores ganan MXN 10,000 y 1 gerente gana 100,000, la media es 19,000 (no representativa) pero la mediana es 10,000 (más realista). Por eso el INEGI y los institutos estadísticos de América Latina publican tanto la media como la mediana para ingresos y salarios.
¿Qué es una distribución normal y cómo se relaciona con σ?
La distribución normal (campana de Gauss) es la distribución de probabilidad más importante de la estadística: simétrica, con la mayoría de los datos cerca de la media y frecuencias decrecientes hacia los extremos. Está completamente definida por dos parámetros: μ (media) y σ (desviación estándar). La razón por la que la desviación estándar es tan importante es que, para muchos fenómenos naturales y sociales, los datos siguen aproximadamente una distribución normal (por el Teorema del Límite Central), haciendo de σ la medida de dispersión perfecta para esos contextos.
¿La desviación estándar es lo mismo que el error estándar?
No. Son conceptos diferentes aunque relacionados. La desviación estándar (s) describe la variabilidad de los datos individuales en la muestra. El error estándar de la media (SE) = s/√n describe la variabilidad de la media muestral: si tomas muchas muestras del mismo tamaño n y calculas la media de cada una, esas medias tienen desviación estándar = SE. El error estándar se usa en intervalos de confianza y pruebas de hipótesis; la desviación estándar se usa para describir la variabilidad de la muestra en sí misma.
¿Cuántos datos se necesitan para que la desviación estándar sea confiable?
No hay un mínimo absoluto, pero como regla práctica: con n < 10 la desviación estándar es muy inestable (un solo dato diferente puede cambiarla significativamente). Con n entre 20 y 30 ya es razonablemente estable. Para estudios donde σ se va a usar para inferencias, los libros de estadística médica recomiendan n ≥ 30. Para investigaciones de alta precisión (ensayos clínicos, control de calidad Seis Sigma), n ≥ 100 o más. Esta calculadora funciona desde n = 2, pero advierte al usuario sobre las limitaciones para muestras muy pequeñas.
¿Cómo se usa la desviación estándar en epidemiología?
En epidemiología y salud pública, la desviación estándar describe la variabilidad de variables biométricas (peso, talla, presión arterial, glucosa) y ayuda a definir valores normales y rangos de referencia. El «rango normal» de muchas variables clínicas se define como μ ± 2σ de una población de referencia sana (el 95.4% de la población normal queda dentro de este rango). Los Institutos Nacionales de Salud Pública de México, Colombia y Perú publican estos parámetros para sus poblaciones locales, que difieren de los estándares europeos o norteamericanos.
¿Qué herramienta de Big.js se usa para calcular la varianza con precisión?
Esta calculadora usa Big.js para todas las sumas y multiplicaciones en el cálculo de la varianza: la media se calcula con Big.js, y cada término (xᵢ-μ)² también se computa con Big.js. Esto evita los errores de punto flotante de JavaScript que pueden hacer que una varianza que debería ser exactamente cero aparezca como 0.0000000000001 por errores de redondeo acumulados. La raíz cuadrada final usa Math.sqrt() de JavaScript, que es suficientemente precisa para ese último paso.
¿La desviación estándar sirve para predecir el futuro?
La desviación estándar histórica describe la variabilidad pasada, no garantiza el comportamiento futuro. Sin embargo, bajo el supuesto de estacionariedad (que el proceso generador no ha cambiado), σ histórica es el mejor estimador disponible de la variabilidad futura. En finanzas, la volatilidad histórica (desviación estándar de retornos) se usa ampliamente para estimar el riesgo futuro, aunque con la advertencia de que pasado no garantiza futuro, algo que los reguladores financieros de toda América Latina (CNBV en México, SFC en Colombia, CMF en Chile) exigen que se informe a los inversionistas.
Calculadoras Relacionadas
Aviso Legal y Transparencia Editorial
Metodología estadística utilizada
Esta calculadora implementa la media con Big.js para sumar con precisión arbitraria, las varianzas usando el método directo ∑(xᵢ-μ)² con Big.js, y la raíz cuadrada final con Math.sqrt(). Los cuartiles Q1 y Q3 usan interpolación lineal en la posición p/100×(n-1) (método utilizado por NumPy, Excel «quartile.exc» y la mayoría de paquetes estadísticos modernos). Los outliers se detectan con el método de Tukey (IQR×1.5). La detección de outliers no elimina valores del cálculo.
Referencias académicas
Las fórmulas implementadas corresponden a los estándares de estadística descriptiva usados por el INEGI México, el DANE Colombia y el INE Chile en sus publicaciones oficiales. PlanetaCalculadoras.com no asume responsabilidad por decisiones científicas, industriales o financieras basadas en esta herramienta.
