Fórmulas de varianza | Hacé Cuentas

Q: ¿Cuándo uso poblacional (N) vs muestral (n−1) — aplicado a “Fórmulas de varianza”?

Poblacional cuando tenés TODOS los datos (ej: notas de TODOS los alumnos del curso). Muestral cuando tenés una subparte y querés estimar la población total (ej: 30 productos de una producción de 10.000). La división por n−1 (corrección de Bessel) corrige el sesgo de subestimación. Para este análisis de la varianza, verificá especialmente datos (coma).

Q: ¿Por qué muestral divide por n−1 y no por n — aplicado a “Fórmulas de varianza”?

Porque al usar la media muestral x̄ (y no la poblacional μ, que es desconocida), los datos están 'más cerca' de x̄ que de μ, lo que subestima la dispersión real. Dividir por n−1 corrige ese sesgo (demostración: E[s²] = σ² cuando se usa n−1). Para este análisis de la varianza, verificá especialmente tipo.

Q: ¿Qué dice la regla 68-95-99.7 — aplicado a “Fórmulas de varianza”?

En una distribución normal (curva de Gauss): 68.27% de los datos caen en μ±1σ, 95.45% en μ±2σ, 99.73% en μ±3σ. Si tus datos NO son normales (asimétricos, con outliers), esta regla no aplica; usá Chebyshev (al menos 1−1/k² en μ±kσ). Para este análisis de la varianza, verificá especialmente datos (coma).

Q: ¿Qué es el coeficiente de variación (CV) — aplicado a “Fórmulas de varianza”?

CV = σ/μ × 100%. Mide dispersión relativa (sin unidades), útil para comparar datasets con distintas escalas. Ej: altura (σ=5cm, μ=170cm → CV=2.9%) vs salario (σ=$500k, μ=$1M → CV=50%). Salarios dispersan mucho más. Para este análisis de la varianza, verificá especialmente tipo.

Q: ¿Qué es el z-score y cómo se calcula — aplicado a “Fórmulas de varianza”?

z = (x − μ)/σ. Mide cuántos desvíos estándar está un dato respecto de la media. z=0 es el promedio, z=±1 está en el 68% central, |z|>2 es inusual, |z|>3 muy inusual (outlier candidate). Para este análisis de la varianza, verificá especialmente datos (coma).

Los ejemplos permiten ver dónde entra cada dato y cómo cambia el resultado. Este caso usa cifras ilustrativas: reemplazalas por tus valores y conservá el mismo orden.

Caso resuelto

Ejemplo de cálculo
2,4,4,4,5,5,7,9 pob
σ=2
σ=2

Qué enseña el ejemplo

σ² = Σ(xᵢ−μ)²/N (poblacional) o s² = Σ(xᵢ−x̄)²/(n−1) (muestral). σ = √σ². Si datos están en cm, σ también está en cm.

El paso más importante es identificar qué variable explica la mayor parte del cambio. Repetí el cálculo con un escenario conservador, uno central y uno exigente; no cambies todas las variables al mismo tiempo.

Variaciones para practicar

Sos docente y querés medir la dispersión de notas en un parcial: media 7, σ=2 indica clase homogénea; σ=4 indica polarización.
Trabajás en control de calidad y medís diámetros de 30 piezas; necesitás verificar si σ < tolerancia de especificación (ej: 0.05 mm).
Estás haciendo trading y calculás la volatilidad (σ anualizada de retornos diarios) para dimensionar posiciones con riesgo constante.
Rendís Probabilidad y Estadística I y necesitás chequear que tu cálculo de σ para el dataset {2,4,4,4,5,5,7,9} da exactamente 2.0.

Cómo validar el resultado

Compará el orden de magnitud con una cuenta rápida, verificá unidades y revisá el redondeo sólo al final. Si el resultado es sensible a una variación pequeña, usá un margen de seguridad.

Enfoque específico: la varianza

La varianza resume el promedio de las desviaciones cuadráticas respecto de la media. Su unidad queda elevada al cuadrado.

Fórmula: Se resta la media a cada dato, se eleva cada diferencia al cuadrado, se suman y se divide por N o por N menos uno.

Ejemplo: En 9, 10 y 11 las desviaciones son -1, 0 y 1; sus cuadrados suman 2. La varianza poblacional es 2/3.

Decisión: Es fundamental en inferencia, modelos y descomposición de variabilidad, aunque para comunicar resultados suele usarse su raíz: el desvío.

Cuidado: Confundir varianza muestral y poblacional cambia el divisor; documentá cuál usaste antes de comparar resultados.

Control antes de decidir

Usá datos del mismo período y la misma unidad.
Separá valores observados de supuestos.
Cambiá una sola variable por vez.
Guardá fecha y fuente de cada dato.
No interpretes una simulación como garantía.

Podés comprobar tus datos en la Desvío estándar y varianza: calculadora online. La herramienta procesa los valores en el navegador y permite repetir escenarios.

Fuentes para verificar

Preguntas frecuentes

¿Cuándo uso poblacional (N) vs muestral (n−1) — aplicado a “Fórmulas de varianza”?

Poblacional cuando tenés TODOS los datos (ej: notas de TODOS los alumnos del curso). Muestral cuando tenés una subparte y querés estimar la población total (ej: 30 productos de una producción de 10.000). La división por n−1 (corrección de Bessel) corrige el sesgo de subestimación. Para este análisis de la varianza, verificá especialmente datos (coma).

¿Por qué muestral divide por n−1 y no por n — aplicado a “Fórmulas de varianza”?

Porque al usar la media muestral x̄ (y no la poblacional μ, que es desconocida), los datos están 'más cerca' de x̄ que de μ, lo que subestima la dispersión real. Dividir por n−1 corrige ese sesgo (demostración: E[s²] = σ² cuando se usa n−1). Para este análisis de la varianza, verificá especialmente tipo.

¿Qué dice la regla 68-95-99.7 — aplicado a “Fórmulas de varianza”?

En una distribución normal (curva de Gauss): 68.27% de los datos caen en μ±1σ, 95.45% en μ±2σ, 99.73% en μ±3σ. Si tus datos NO son normales (asimétricos, con outliers), esta regla no aplica; usá Chebyshev (al menos 1−1/k² en μ±kσ). Para este análisis de la varianza, verificá especialmente datos (coma).

¿Qué es el coeficiente de variación (CV) — aplicado a “Fórmulas de varianza”?

CV = σ/μ × 100%. Mide dispersión relativa (sin unidades), útil para comparar datasets con distintas escalas. Ej: altura (σ=5cm, μ=170cm → CV=2.9%) vs salario (σ=$500k, μ=$1M → CV=50%). Salarios dispersan mucho más. Para este análisis de la varianza, verificá especialmente tipo.

¿Qué es el z-score y cómo se calcula — aplicado a “Fórmulas de varianza”?

z = (x − μ)/σ. Mide cuántos desvíos estándar está un dato respecto de la media. z=0 es el promedio, z=±1 está en el 68% central, |z|>2 es inusual, |z|>3 muy inusual (outlier candidate). Para este análisis de la varianza, verificá especialmente datos (coma).

¿La varianza puede ser negativa — aplicado a “Fórmulas de varianza”?

No, nunca. Es una suma de cuadrados dividida por un número positivo, siempre σ² ≥ 0. σ² = 0 solo si todos los datos son idénticos (dispersión cero). Si obtenés negativa, hay error de cálculo o de signo. Para este análisis de la varianza, verificá especialmente tipo.

¿Cómo afectan los outliers al desvío estándar — aplicado a “Fórmulas de varianza”?

Mucho, porque los desvíos se elevan al cuadrado. Un outlier de 3σ contribuye 9 veces más que uno de 1σ. Un solo dato extremo puede duplicar σ. Alternativas robustas: desviación absoluta mediana (MAD) o rango intercuartílico (IQR). Para este análisis de la varianza, verificá especialmente datos (coma).