Desviación estándar: qué es, fórmula y ejemplos paso a paso

La desviación estándar es una medida de dispersión que indica cuánto suelen alejarse los datos de su media. Una desviación pequeña describe valores concentrados; una grande, valores más extendidos. Es una de las métricas más utilizadas en estadística, control de calidad, finanzas y análisis de datos porque permite comparar la variabilidad de conjuntos que comparten la misma unidad.

En esta guía aprenderás a calcularla sin saltos, distinguirás entre población y muestra y verás cómo obtenerla en Excel y Python. También entenderás algo más importante que la fórmula: qué significa el resultado y cuándo puede engañar.

Qué es la desviación estándar

Imagina dos grupos con la misma media de 50:

• Grupo A: 48, 49, 50, 51, 52.
• Grupo B: 10, 30, 50, 70, 90.

Ambos promedian 50, pero el segundo es mucho más variable. La media, por sí sola, no revela esa diferencia. La desviación estándar sí: resume la distancia típica entre cada observación y el centro.

Se expresa en las mismas unidades que los datos. Si analizas tiempos en minutos, la desviación también queda en minutos; si estudias ventas en pesos, queda en pesos. Esa interpretación directa es una ventaja frente a la varianza, que utiliza unidades al cuadrado.

Fórmula de la desviación estándar

Hay dos fórmulas según el conjunto sea una población completa o una muestra.

Desviación estándar poblacional

Cuando tienes todos los elementos que deseas estudiar:

σ = √[Σ(xᵢ − μ)² / N]

Donde:

• xᵢ es cada valor.
• μ es la media poblacional.
• N es el número total de valores.
• Σ indica que se suman todas las diferencias.

Desviación estándar muestral

Cuando analizas una muestra para estimar el comportamiento de una población:

s = √[Σ(xᵢ − x̄)² / (n − 1)]

La diferencia está en el denominador: se divide entre n − 1, no entre n. Esta corrección reduce el sesgo al estimar la variabilidad poblacional con información incompleta.

Situación	Símbolo	Denominador	Ejemplo
Tienes toda la población	σ	N	Ventas de todas las sucursales
Tienes una muestra	s	n − 1	Encuesta a 200 clientes

Cómo calcular la desviación estándar paso a paso

Supongamos estos tiempos de entrega en días: 2, 4, 4, 4, 5, 5, 7, 9.

1. Calcula la media

(2 + 4 + 4 + 4 + 5 + 5 + 7 + 9) / 8 = 5

2. Resta la media a cada dato

Las desviaciones son: −3, −1, −1, −1, 0, 0, 2, 4.

3. Eleva cada diferencia al cuadrado

Obtienes: 9, 1, 1, 1, 0, 0, 4, 16.

Elevar al cuadrado evita que las diferencias positivas y negativas se cancelen.

4. Suma y divide

La suma es 32. Si los ocho registros son la población completa:

Varianza = 32 / 8 = 4

5. Calcula la raíz cuadrada

Desviación estándar = √4 = 2 días

El resultado significa que los tiempos se separan de la media de 5 días en aproximadamente 2 días. Si los ocho registros fueran una muestra, dividirías entre 7 y obtendrías una desviación muestral cercana a 2.14 días.

Cómo interpretar una desviación estándar

No existe un valor universal que sea “alto” o “bajo”. Una desviación de 10 puede ser enorme si la media es 12, pero pequeña si la media es 10,000. Interprétala con contexto:

• Cerca de cero: los valores son muy parecidos.
• Grande respecto a la media: existe heterogeneidad o volatilidad.
• Cambio a lo largo del tiempo: la operación puede haberse vuelto menos estable.
• Diferencia entre grupos: uno es más consistente que otro, aunque ambos promedien igual.

Si los datos siguen aproximadamente una distribución normal, la regla 68-95-99.7 ofrece una lectura adicional: alrededor del 68 % cae a una desviación de la media, el 95 % a dos y el 99.7 % a tres. La guía de estadística básica para análisis de datos aporta el contexto necesario. No apliques esa regla automáticamente a distribuciones sesgadas.

Coeficiente de variación para comparar escalas

Para comparar conjuntos con medias o unidades distintas, usa el coeficiente de variación:

CV = (desviación estándar / media) × 100

Una máquina con media de 100 y desviación de 5 tiene un CV del 5 %. Otra con media de 20 y desviación de 2 tiene un CV del 10 %; proporcionalmente, la segunda es menos estable.

Desviación estándar en Excel

Coloca los valores en A2:A9 y usa:

• Población completa: =DESVEST.P(A2:A9)
• Muestra: =DESVEST.M(A2:A9)

En instalaciones en inglés aparecen como STDEV.P y STDEV.S. Evita las funciones antiguas DESVESTP y DESVEST, mantenidas por compatibilidad.

Antes de calcular, revisa celdas vacías, números almacenados como texto y valores extremos. Puedes apoyarte en una guía de limpieza de datos si cada registro debería ser único y en una buena visualización de datos para detectar observaciones atípicas.

Desviación estándar en Python

Con NumPy:

import numpy as np

datos = np.array([2, 4, 4, 4, 5, 5, 7, 9])

desv_poblacional = datos.std(ddof=0)
desv_muestral = datos.std(ddof=1)

print(desv_poblacional)  # 2.0
print(desv_muestral)     # 2.138...

El parámetro ddof controla los grados de libertad. NumPy usa ddof=0 por defecto; para una muestra debes indicar ddof=1.

Con pandas:

import pandas as pd

serie = pd.Series([2, 4, 4, 4, 5, 5, 7, 9])
print(serie.std())  # muestral por defecto

Esta diferencia de valores predeterminados es una fuente habitual de resultados “inconsistentes” entre herramientas.

Errores comunes

• Confundir población con muestra. Decide primero qué representa el conjunto.
• Interpretar sin mirar la escala. Acompaña la desviación con la media o el CV.
• Ignorar los valores atípicos. Al usar cuadrados, la métrica es sensible a extremos.
• Aplicar la regla 68-95-99.7 a cualquier distribución. Solo es una aproximación para datos cercanos a una normal.
• Comparar unidades diferentes. No compares directamente pesos con días; normaliza o usa el CV.
• Presentar solo un número. Añade histograma, boxplot y tamaño de muestra para dar contexto.

Preguntas frecuentes

¿Qué significa una desviación estándar alta?
Indica que los valores suelen estar alejados de la media. “Alta” depende de la escala, por lo que conviene compararla con la media, un objetivo operativo o un grupo de referencia.

¿Cuál es la diferencia entre varianza y desviación estándar?
La varianza es el promedio de las diferencias cuadráticas respecto a la media. La desviación estándar es su raíz cuadrada y vuelve a la unidad original de los datos.

¿Por qué la muestra divide entre n menos 1?
Porque la media también se estima con la muestra. La corrección de Bessel compensa la tendencia a subestimar la variabilidad de la población.

¿Puede la desviación estándar ser negativa?
No. Las diferencias se elevan al cuadrado y luego se calcula una raíz, de modo que el resultado siempre es cero o positivo.

¿Qué pasa si la desviación estándar es cero?
Todos los valores son iguales. No existe dispersión alrededor de la media.

¿Cuándo es mejor usar el rango intercuartílico?
Cuando la distribución es muy sesgada o contiene valores extremos. El rango intercuartílico se centra en el 50 % central y es más robusto.