The Concept of Variance and Standard Deviation in Probability Distributions
Table of Contents
Comprender la dispersión en las distribuciones de probabilidad
Al analizar los datos, el valor medio o esperado da una ubicación central, pero no revela cómo se distribuyen las observaciones. Dos conjuntos de datos pueden tener medios idénticos pero son completamente diferentes: uno puede agruparse estrechamente alrededor del promedio, mientras que el otro contiene valores dispersos lejos de ella. Variancia y desviación estándar son las herramientas principales para cuantificar esta difusión.
Variancia: Medición Media de la desviación cuadrada
La variación se define como la media de las diferencias cuadradas entre cada punto de datos y el medio. Al equilibrar las desviaciones, aseguramos que todas las contribuciones son positivas y dan mayor peso a los valores extremos (aíses). El resultado es un número de unidades cuadradas de los datos originales. Una alta variabilidad indica que los puntos de datos son ampliamente difundidos; una baja variabilidad indica que se agrupan cerca de la media.
Formulación de la variación de la población
Para una población completa, la diferencia (σ2) se calcula como:
σ2 = (1 / N) Governing (xi - μ)2
- N = número total de puntos de datos en la población
- xi = cada valor individual
- μ = población media
Ejemplo de cálculo paso a paso
Considere una población pequeña: puntuaciones 2, 4, 6, 8, 10. Significa μ = (2+4+6+8+10)/5 = 6.
- Desviaciones: (2-6) = -4, (4-6) = -2, (6-6) = 0, (8-6) = 2, (10-6) = 4
- Desviaciones cuadradas: 16, 4, 0, 4, 16
- Promedio de desviaciones cuadradas: (16+4+0+4+16)/5 = 40/5 = 8
Variación de población σ2 = 8. Tenga en cuenta que las unidades son “puntos cuadrados”. Esta torpeza nos lleva a la desviación estándar.
Variancia en las distribuciones de probabilidad
Para una variable discreta aleatoria X con función de masa de probabilidad P(X=xi), la diferencia es:
Var(X) = E[(X - μ)2] = gia (xi - μ)2 P(xi)
Esta es la desviación cuadrada prevista de la media. Para las distribuciones continuas, la suma se convierte en una integral. La variación cuantifica la diseminación de toda la distribución, no sólo una muestra.
Desviación estándar: El espiga interpretable
La desviación estándar (σ) es la raíz cuadrada de la varianza. Devuelve la medida de la diseminación a las unidades originales de los datos, lo que hace mucho más fácil de interpretar. En el ejemplo anterior, σ = √8 ♥ puntos 2.83. Esto nos dice que las puntuaciones difieren típicamente de la media por unos 2,83 puntos.
¿Por qué tomar el Root Square?
Las desviaciones de escaneo nos da un número positivo pero infla la influencia de los atípicos. Al tomar la raíz cuadrada, deshacer parcialmente esa inflación preservando al mismo tiempo la propiedad que todas las contribuciones son positivas. El resultado es una escala robusta e interpretable que coincide con las unidades de datos. La desviación estándar es la medida más común de propagación en estadísticas inferenciales y constituye la base para los resultados de z, intervalos de confianza y muchas pruebas de hipótesis.
Población vs. Muestra: una distinción crucial
En la práctica, raramente tenemos a toda la población; recogemos una muestra. Usando la fórmula de población en una muestra proporciona una estimación parcial de la verdadera varianza de población, tiende a ser demasiado pequeña. Para corregir esto, utilizamos la corrección de Bessel, dividiendo por n-1 en lugar de n.
Variancia de muestra y fórmulas de desviación estándar
Variancia de muestra (s2) = 1/(n-1) Governing (xi - x̄)2
Deviación estándar de la muestra (s) = √s2
Donde n es el tamaño de la muestra, x̄ es el medio de la muestra. El denominador n-1 se llama los grados de libertad: un grado se utiliza para estimar el medio de la muestra. Este ajuste hace que s2 sea un estimador imparcial de σ2.
Cuándo utilizar cada uno
- Si tiene a cada miembro de una población (por ejemplo, todos los estudiantes en una escuela pequeña), use fórmulas de población con N.
- Si tiene una muestra aleatoria de una población mayor (la mayoría de los escenarios del mundo real), use fórmulas de muestra con n-1.
- Las funciones de software estadístico y hoja de cálculo (por ejemplo, STDEV.S en Excel) usan automáticamente n-1 para muestras.
Propiedades de variación y desviación estándar
Comprender el comportamiento matemático de estas medidas ayuda en la interpretación y evita errores comunes.
- No negativo: Ambas medidas son ≥ 0. Cero ocurre sólo cuando todos los valores son idénticos.
- Cambios en la escala: Multiplicar cada punto de datos por una constante c multiplica la varianza por c2 y la desviación estándar por Øc. Añadiendo una constante a todos los valores no cambia de difusión.
- Unidades: La variación está en unidades cuadradas; la desviación estándar está en unidades originales.
- Sensibilidad a los atípicos: Debido a que las desviaciones son cuadradas, los valores extremos afectan desproporcionadamente la varianza y la desviación estándar. Esto puede ser deseable (para detectar la variación) o problemático (si los datos contienen errores).
- Aditividad para variables independientes: Para dos variables independientes al azar X y Y, Var(X+Y) = Var(X) + Var(Y). Esta propiedad es crucial en la teoría de cartera y la propagación de errores.
Función en las distribuciones de probabilidad clave
Las diferencias y la desviación estándar son parámetros incorporados de muchas distribuciones de probabilidad, que definen la forma y la escala de la distribución, permitiendo declaraciones precisas de probabilidad.
Distribución normal
La distribución normal se caracteriza por su media μ y desviación estándar σ. La famosa regla empírica (68-95-99.7) dice:
- Alrededor del 68% de los datos se encuentran dentro de μ ± σ
- Cerca del 95% se encuentra dentro de μ ± 2σ
- Cerca del 99,7% se encuentra dentro de μ ± 3σ
Por ejemplo, si las alturas adultas se distribuyen normalmente con μ=170 cm y σ=10 cm, aproximadamente el 68% de los adultos son de entre 160 cm y 180 cm. Esta regla es una poderosa herramienta para calcular rápidamente las probabilidades y detectar los atípicos.
Distribución binomial
Para ensayos independientes de Bernoulli con probabilidad de éxito p, el medio es np y la varianza es np(1-p). La desviación estándar es √[np(1-p)]. Esto muestra que la difusión de la distribución binomio es mayor cuando p=0.5 y menor cuando p está cerca de 0 o 1. Los inspectores de control de calidad utilizan esto para establecer umbrales para las tasas de defecto.
Distribución de Poisson
La distribución Poisson modela el número de eventos raros en un intervalo fijo. Su función de definición: la media iguala la varianza (λ). La desviación estándar es √λ. Por ejemplo, si un centro de llamadas recibe un promedio de 20 llamadas por hora (λ=20), la desviación estándar es de aproximadamente 4,47 llamadas. Esta igualdad ayuda a identificar la sobredispersión en datos de cuenta.
Distribución uniforme continua
La distribución uniforme en [a,b] tiene varianza (b-a)2/12 y desviación estándar (b-a)/√12. Esto cuantifica la propagación cuando todos los resultados son igualmente probables. Se utiliza en la simulación y generación de números aleatorios para comprender la variabilidad de variables aleatorias uniformes.
Aplicaciones Prácticas A través de campos
Finanzas y Gestión de Riesgos
En las finanzas, la volatilidad es sinónimo de desviación estándar de los rendimientos de activos. Una acción con una desviación estándar alta es más arriesgada porque su precio fluctúa ampliamente. Los administradores de carteras construyen matrices de covariancia utilizando varianzas y covariancias para minimizar el riesgo de una determinada devolución. Coeficiente de propagación (return minus risk-free rate divided by standard deviation) measures risk-ajusted performance. Investors commonly look at annualized standard deviation to compare assets. Por ejemplo, el Artículo de la inversionopedia sobre la desviación estándar explica su uso en la teoría de cartera.
Control de calidad y seis sigma
Los procesos de fabricación tienen como objetivo mantener la variación baja. Seis metodologías Sigma fijan un objetivo de no más de 3.4 defectos por millón de oportunidades, que corresponde a un proceso de desviación estándar que mantiene las especificaciones dentro de 6σ de la media. Los gráficos de control muestran los medios y rangos (o desviaciones estándar) con el tiempo para detectar cambios. Manual de estadísticas de ingeniería NIST es una referencia estándar para la construcción de tablas de control.
Investigación y Ciencias Sociales
La desviación estándar se utiliza para calcular errores estándar, intervalos de confianza y tamaños de efecto. Cohen d, un tamaño de efecto común, divide la diferencia entre dos medios de grupo por la desviación estándar de la mancomunada, dando una medida sin unidad de magnitud de efecto. Los investigadores informan de desviaciones estándar junto con medios para transmitir la difusión de sus datos. También aparece en meta-análisis para combinar resultados de múltiples estudios. El video de Khan Academy sobre varianza.
Misconcepciones comunes y Pitfalls
- Variancia vs. Deviación Absoluta Significada (MAD): MAD (promedio de desviaciones absolutas) es a veces más intuitivo porque no es cuadrado. Sin embargo, la varianza tiene propiedades matemáticas superiores: es diferenciable, aditivo para variables independientes, y surge naturalmente en la distribución normal. Para la mayoría de las estadísticas inferenciales, la variabilidad y la desviación estándar son preferidos.
- La regla empírica se aplica únicamente a las distribuciones normales: Muchas personas aplican erróneamente la norma 68-95-99.7 a cualquier conjunto de datos. Mientras que la desigualdad de Chebyshev proporciona límites débiles para cualquier distribución, los porcentajes precisos sólo tienen para la familia normal. Para datos esquezados o multimodales, use percentiles o rango intercuartil en su lugar.
- Usando fórmulas de población en una muestra: Esto produce una estimación parcial (demasiado pequeña) de la verdadera varianza de población. Aplicar siempre la corrección de Bessel (n-1) cuando trabaja con una muestra. Los defectos del software ayudan, pero los cálculos manuales deben ser cuidadosos.
- Confundir la varianza con la desviación estándar: Debido a que la varianza está en unidades cuadradas, no es directamente comparable a la media. La desviación estándar debe utilizarse para informar sobre la difusión junto con la media.
Conclusión
Variancia y desviación estándar son indispensables para comprender la variabilidad inherente a las distribuciones de datos y probabilidad. La variación proporciona la base matemática con unidades cuadradas, mientras que la desviación estándar ofrece una medida interpretable a escala original. Aplicar correctamente fórmulas de población versus muestra es crítica para la estimación imparcial. Estos conceptos sustentan la regla empírica, evaluación de riesgos en finanzas, mejora de calidad en la fabricación, y cálculos de tamaño en las diferencias de investigación. Artículo de Wikipedia sobre la varianza cubre las propiedades teóricas avanzadas, y El tutorial de variabilidad de Stat Trek proporciona ejemplos interactivos y problemas de práctica.