DESVIACIÓN ESTÁNDAR.

Básicamente, una desviación estándar es un índice numérico de la dispersión de un

conjunto de datos dados respectivamente, mientras mayor es la desviación estándar,
mayor es la dispersión de los datos agregados. Por lo tanto la desviación estándar
es un promedio de las desviaciones individuales de cada análisis todo esto con
respecto a la media de una distribución. Así mismo, la desviación estándar mide el
grado de dispersión o variabilidad. En primer lugar, midiendo la diferencia entre cada
valor del conjunto de datos y la media del conjunto de datos. Luego, sumando todas
estas diferencias individuales para dar el total de todas las diferencias. Por último,
dividiendo el resultado por el número total de observaciones (normalmente
representado por la letra “n”) para llegar a un promedio de las distancias entre cada
observación individual y la media. Este promedio de las distancias es la desviación
estándar y de esta manera representa dispersión.

Matemáticamente, la desviación estándar podría, a primera vista, parecer algo

complicado. Sin embargo, es en realidad un concepto extremadamente simple. En
realidad no importa si usted no sabe calcular con exactitud la desviación estándar,
siempre y cuando usted comprenda claramente el concepto.

Ahora, voy a argumentar lo dicho de un modo matemático, para esto debemos de tener
en cuenta el cálculo de la Media, y la varianza:

Para calcular la varianza se debe tener en cuenta

DISTRIBUCIONES DE FRECUENCIAS

Observando los datos del ejemplo es fácil adivinar cuál será el primer paso en la
organización de los datos; consistirá en agrupar aquellos datos que se repiten varias
veces. Tenemos las siguientes definiciones:

FRECUENCIA ABSOLUTA (ni): es el número de veces que se repite un determinado

valor (xi) de la variable. Ej1: para el dato x1=0 n1=2, para el dato x4=3 n4=15.

PROPIEDAD: la suma de todas las frecuencias absolutas es igual al tamaño muestra.

Este tipo de frecuencias no son comparables con las obtenidas en otras muestras de
distinto tamaño.

FRECUENCIA RELATIVA (fi): es igual a la frecuencia absoluta dividida por el

número total de datos, es decir por el tamaño muestra fi=ni/n. Ei1.: f1=2/50=0.04,
f4=15/50=0.3

PROPIEDAD: la suma de todas las frecuencias relativas es igual a la unidad.

FRECUENCIA ACUMULADA (Ni): Nos dice el número de datos que hay igual o
i
Ni   n j  Ni1  n i
inferiores a uno determinado. Se calcula: j 1

Ej1: N1=2, N4=42.

PROPIEDAD: La última frecuencia acumulada absoluta es el tamaño muestral.

FRECUENCIA RELATIVA ACUMULADA (Fi): Es el resultado de dividir cada

i
Ni
Fi 
n
 f
j 1
j
frecuencia acumulada por el número total de datos
Ej1: F1=0.04, F4=42/50=0.84.

PROPIEDAD: La última frecuencia relativa acumulada es la unidad.

TABLA DE FRECUENCIAS:

Llamamos así a una tabla conteniendo el conjunto de diferentes valores que ha

tomado una variable (los datos sin repetir) ordenados de menor a mayor con sus
correspondientes frecuencias.

El promedio: es fundamental saber el promedio de los datos dados por lo tanto

para ello se tiene la siguiente ecuación:
𝑛
1 𝑎1 + 𝑎2 + 𝑎3 + … … . . +𝑎𝑛
𝑥̅ = ∑ 𝑎𝑖 =
𝑛 𝑛
𝑖=1

𝑎𝐼 = 𝑡𝑜𝑑𝑜𝑠 𝑙𝑜𝑠 𝑑𝑎𝑡𝑜𝑠, 𝑛 = 𝑛𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑑𝑎𝑡𝑜𝑠

Es la suma de todos los datos divididos entre el número de datos correspondientes

Formula Población para la varianza:

2
∑𝑛𝑖=1(𝑥𝑖 − 𝑥̅ )2
𝜎 =
𝑛
𝜎 = 𝑣𝑎𝑟𝑖𝑎𝑛𝑧𝑎 𝑑𝑒 𝑝𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛 , 𝑛 = 𝑛𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑑𝑎𝑡𝑜𝑠 𝑥𝑖 = 𝑑𝑎𝑡𝑜 , 𝑥̅ = 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜
La cual corresponde a la sumatoria de todos los datos – el promedio dado todo eso
elevado al cuadrado y dividido el número de datos
También existen casos en donde piden hallar varianzas de muestras por lo tanto
tenemos que:

2
∑𝑛𝑖−1(𝑥𝑖 − 𝑥̅ )2
𝑠 =
𝑛−1
𝑠 = 𝑣𝑎𝑟𝑖𝑎𝑛𝑧𝑎 𝑑𝑒 𝑝𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛 , 𝑛 = 𝑛𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑑𝑎𝑡𝑜𝑠 𝑥𝑖 = 𝑑𝑎𝑡𝑜 , 𝑥̅ = 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜
Esta ecuación no tiene mucha diferencia a la de la varianza poblacional, solo que se
divide entre el número de datos restándole uno.

Por ultimo me voy a enfocar en la desviación estándar, la cual es nada más que la raíz
cuadrada de la varianza así:
Desviación estándar poblacional:

∑𝑛𝑖=1(𝑥𝑖 − 𝑥̅ )2
𝜎= √
𝑛

Desviación estándar muestras:

∑𝑛𝑖=1(𝑥𝑖 − 𝑥̅ )2
𝑠= √
𝑛

Ejemplos prácticos de la vida cotidiana.

Teniendo la información suministrada voy a realizar ejemplos prácticos donde se
evidencia la implementación de las ecuaciones dadas.
1) En los estudiantes del grado 11 se tomaron datos de las edades de 5 estudiantes
al azar las edades fueron las siguientes: 15, 16, 17, 18, 16 con estos datos
calcular la desviación estándar:

Solución:

Calculamos el promedio:

15 + 16 + 17 + 18 + 16
𝑥̅ = = 16.4 𝑎ñ𝑜𝑠
5
 Ahora calculamos la varianza:

𝜎 2 = (15 − 16.4)2 + (16 − 16.4)2 + (17 − 16.4)2 + (18 − 16.4)2 + (16 − 16.4)2

𝜎 2 = (−1,4)2 + (−0,4)2 + (0,6)2 + (1,6)2 + (−0,4)2

𝜎 2 = 1,96 + 0,16 + 0,36 + 2,56 + 0,16

𝜎 2 = 5,2

Por ultimo calculamos la desviación estándar:

𝜎 2 = 5,2

𝜎 = √5,2 = 2,28 𝑎ñ𝑜𝑠

Ejercicio 2: