Desviación estándar explicada de forma sencilla (2026)

Si alguna vez viste "SD = 8.3" bajo un gráfico y te preguntaste qué significa, estás en el lugar correcto. Aquí tienes la desviación estándar explicada de forma sencilla: sin clases llenas de tecnicismos ni memorización de símbolos. Al terminar, sabrás qué mide la desviación estándar, qué fórmula usar y cómo calcularla a mano con números reales, además de cuándo puede llevarte a conclusiones erróneas.

La desviación estándar es una de las estadísticas más usadas del mundo: los profesores la usan para calificar con curva, los inversores para medir el riesgo y los científicos para saber si el resultado de un experimento es real. El promedio te dice el centro de tus datos; la desviación estándar te dice cuánto se alejan, en promedio, los valores de ese centro.

La idea en un párrafo: desviación estándar explicada de forma sencilla

Aquí tienes la desviación estándar explicada de forma sencilla en un solo párrafo: es la "distancia típica" de los datos respecto al promedio, expresada en las mismas unidades que los propios datos. Si una clase promedia 77 con una desviación estándar de 3, la mayoría de los estudiantes sacó una nota cercana a 77: la clase es consistente. Con una desviación estándar de 18, las notas se dispersaron por todas partes a pesar de tener el mismo promedio. Una desviación estándar pequeña significa que los datos se agrupan estrechamente alrededor de la media; una grande significa que se dispersan ampliamente. La raíz cuadrada de la fórmula solo existe para devolver las unidades a lo normal (notas, dólares, grados), como muestra el ejemplo resuelto más abajo.

Piensa en arqueros disparando a una diana: el promedio te dice el centro de dónde caen las flechas, la desviación estándar te dice qué tan agrupadas llegan. Dos arqueros pueden tener el mismo promedio mientras uno agrupa bien y el otro dispersa por todas partes: el promedio esconde esa diferencia, la desviación estándar la revela.

Población vs. muestra: ¿qué fórmula usar?

Hay dos fórmulas de desviación estándar, y elegir la correcta importa:

Desviación estándar poblacional (σ, sigma): úsala cuando tus datos incluyen todos los miembros del grupo que te interesa. Ejemplo: las notas finales de todos los estudiantes de una clase.
Desviación estándar muestral (s): úsala cuando tus datos son una muestra de un grupo mayor y quieres estimar la dispersión de todo el grupo. Ejemplo: 200 votantes encuestados para estimar la opinión de todo un país.

Las fórmulas son casi idénticas; la única diferencia es el divisor:

Población: σ = √[ Σ(xᵢ − μ)² / N ] – divide por N, el tamaño total de la población.
Muestra: s = √[ Σ(xᵢ − x̄)² / (n − 1) ] – divide por n − 1, el tamaño de la muestra menos uno.

¿Por qué el menos uno? La media muestral se calcula con los mismos datos, así que las desviaciones medidas contra ella son ligeramente menores de lo que serían contra la verdadera media poblacional. Dividir por n − 1 infla el resultado lo justo para corregir ese sesgo: un ajuste llamado corrección de Bessel. Con muestras grandes apenas importa, pero con muestras pequeñas sí. Regla práctica: salvo que estés seguro de tener la población completa, usa la fórmula muestral.

Un ejemplo resuelto paso a paso: desviación estándar explicada de forma sencilla

La teoría solo se entiende cuando haces la aritmética una vez. Supón que una profesora registró las notas de 5 estudiantes: 72, 80, 65, 90, 78. Estos 5 son toda la clase, así que usamos la fórmula poblacional, y luego calculamos también la versión muestral para que veas la diferencia.

Paso 1: halla la media

Suma las notas: 72 + 80 + 65 + 90 + 78 = 385. Divide por la cantidad de notas (5): 385 ÷ 5 = 77. La media es 77.

Paso 2: halla cada desviación respecto a la media

Resta 77 a cada nota: 72 − 77 = −5; 80 − 77 = +3; 65 − 77 = −12; 90 − 77 = +13; 78 − 77 = +1. Verificación: las desviaciones deben sumar cero (−5 + 3 − 12 + 13 + 1 = 0). Si las tuyas no suman cero, hay un error aritmético.

Paso 3: eleva al cuadrado cada desviación

Elevar al cuadrado elimina los signos negativos (para que no se anulen entre sí) y penaliza más los errores grandes que los pequeños: (−5)² = 25; 3² = 9; (−12)² = 144; 13² = 169; 1² = 1.

Paso 4: promedia las desviaciones al cuadrado (esto es la varianza)

Suma: 25 + 9 + 144 + 169 + 1 = 348.
Varianza poblacional: 348 ÷ 5 = 69.6.
Varianza muestral: 348 ÷ 4 = 87 (dividiendo por n − 1 = 4).

Paso 5: toma la raíz cuadrada

La raíz cuadrada devuelve las unidades originales (puntos del examen):

DE poblacional: √69.6 ≈ 8.34
DE muestral: √87 ≈ 9.33

Así que las notas varían, en promedio, unos 8.3 puntos respecto a la media de 77. Fíjate en que la versión muestral (9.33) es un poco mayor: esa es la corrección de Bessel en acción. En lugar de hacerlo a mano cada vez, pasa cualquier conjunto de datos por una calculadora de desviación estándar y compara los resultados poblacional y muestral al instante.

Qué significa un valor alto o bajo

Una desviación estándar baja significa que los datos son consistentes y predecibles; una alta significa que son variables y menos predecibles:

Manufactura: los tornillos deben medir 10 mm. Una DE de 0.02 mm = excelente control de calidad; 0.5 mm = un problema de producción.
Inversión: un fondo con un rendimiento promedio del 8% y DE del 4% es más estable que uno con el mismo promedio y DE del 20%: los rendimientos del segundo oscilan con violencia. Por eso la volatilidad se reporta como desviación estándar.
Educación: una clase con promedio de 77 y DE de 3 es uniformemente sólida; con DE de 15, algunos estudiantes prosperan mientras otros batallan: necesitan enseñanzas distintas.

La regla 68-95-99.7

Cuando los datos siguen una curva de campana (una distribución normal), la desviación estándar se convierte en una máquina de probabilidades: alrededor del 68% de los valores caen dentro de una DE de la media, el 95% dentro de dos DE y el 99.7% dentro de tres. En nuestro ejemplo de la clase (media 77, DE 8.34), aproximadamente el 68% de los futuros estudiantes obtendría entre 68.7 y 85.3. Para calcular esas probabilidades directamente desde una distribución, prueba una calculadora de probabilidad: maneja los cálculos acumulativos que convierten las desviaciones estándar en probabilidades reales.

Cuándo la desviación estándar te engaña

La desviación estándar es poderosa, pero no es magia. Puede llevarte a conclusiones erróneas en varias situaciones comunes:

Datos sesgados: los datos de ingresos tienen una larga cola de sueldos muy altos que empujan la media y la DE hacia arriba, así que "dentro de una DE de la media" ya no describe a una persona típica: mejor usa la mediana.
Valores atípicos: como las desviaciones se elevan al cuadrado, un valor extremo domina. Nueve personas ganando $50k más un multimillonario dan una media de unos $100M y una DE enorme: ningún número describe a una persona real.
Datos bimodales: notas de examen agrupadas en 40 y 90 producen un promedio de 65 con una DE grande: un puntaje "típico" que casi nadie obtuvo.
Distintas medias, misma DE: una DE de 5 significa algo muy diferente cuando el promedio es 10 frente a 1,000. El coeficiente de variación (DE ÷ media) lo corrige.
Datos no normales: la regla 68-95-99.7 solo vale para datos aproximadamente normales. Nunca la cites sin comprobar primero la forma de los datos.

Acompaña siempre el número con un vistazo a los propios datos (un histograma es ideal) antes de sacar conclusiones.

Preguntas frecuentes

¿Es lo mismo la desviación estándar que la desviación media?

No. La desviación media promedia las distancias absolutas respecto a la media sin elevar al cuadrado. La desviación estándar es el estándar porque elevar al cuadrado le da propiedades útiles: por ejemplo, las varianzas de fuentes independientes se suman.

¿Puede la desviación estándar ser negativa?

Nunca. Es la raíz cuadrada de una suma de cuadrados, y los cuadrados no pueden ser negativos. Una DE de cero significa que todos los valores son idénticos.

¿Por qué elevar al cuadrado las desviaciones en vez de promediarlas?

Promediar las desviaciones crudas siempre da cero, porque los positivos y negativos se anulan (lo verificamos en el ejemplo resuelto). Elevar al cuadrado evita la anulación y da más peso a los errores grandes; la raíz cuadrada final devuelve las unidades originales.

¿Cuándo debo usar la fórmula poblacional vs. la muestral?

Usa la fórmula poblacional (divide por N) solo cuando tus datos incluyen a todos los miembros del grupo. La mayoría de los análisis reales usan la fórmula muestral (divide por n − 1), porque normalmente estimas la dispersión de un grupo mayor a partir de un subconjunto. Con conjuntos de datos grandes, ambas son casi idénticas.

¿Listo para saltarte el cálculo a mano? Pasa tus números por nuestra calculadora de desviación estándar gratuita: muestra la media, la varianza y tanto la desviación estándar poblacional como la muestral paso a paso, para que puedas comprobar tu trabajo o procesar cualquier conjunto de datos en segundos.

Conclusión

Eso es la desviación estándar explicada de forma sencilla: la distancia típica de tus datos respecto a su promedio, en las mismas unidades que los propios datos. Ya puedes calcularla desde cero, elegir entre la fórmula poblacional y la muestral, interpretar valores altos y bajos, y detectar cuándo engaña. La próxima vez que veas "SD = 8.3" bajo un gráfico, sabrás qué te está diciendo.