Lexicon Redes Neuronales

Desviación estándar

Midiendo cuánto se dispersan los datos alrededor de la media

La desviación estándar es una medida que cuantifica cuánto se alejan los valores de un conjunto de datos respecto a su media.

👉 Es una de las métricas más importantes para entender la variabilidad de los datos.

Definición corta

La desviación estándar mide la dispersión promedio de los datos respecto a la media.

📐 Definición matemática

σ=1n∑i=1n(xi−μ)2\sigma = \sqrt{\frac{1}{n}\sum_{i=1}^{n}(x_i – \mu)^2}

👉 donde:

  • μ\mu: media
  • xix_i​: valores individuales
  • nn: número de datos

🧠 Intuición

La desviación estándar responde:

👉 “¿Qué tan lejos están los datos del promedio?”

Datos cerca de la media → σ pequeño  Datos dispersos → σ grande

📊 Ejemplo simple

Datos: [5, 5, 5, 5] → σ = 0  Datos: [1, 5, 9] → σ grande

🔄 Relación con varianza

σ=Var(X)\sigma = \sqrt{\text{Var}(X)}σ=Var(X)​

👉 la desviación estándar es la raíz de la varianza.

📊 Interpretación

Varianza → unidades cuadradas  Desviación estándar → mismas unidades que los datos

🧠 Propiedades clave

  • siempre ≥ 0
  • igual a 0 si todos los valores son iguales
  • sensible a outliers

📊 Ejemplo conceptual

Valores extremos  ↓  σ aumenta significativamente

🧠 Relación con distribución normal

  • controla el ancho de la curva
  • define dispersión

📊 Ejemplo conceptual

σ pequeño → curva estrecha  σ grande → curva ancha

🧠 Regla empírica

En distribución normal:

  • 68% → ±1σ
  • 95% → ±2σ
  • 99.7% → ±3σ

📊 Interpretación

Mayor σ  ↓  Más dispersión  ↓  Más incertidumbre

🧠 Uso en machine learning

La desviación estándar se usa en:

  • normalización (standardization)
  • análisis de datos
  • detección de outliers
  • evaluación de modelos

📊 Ejemplo conceptual

Datos  ↓  Media + desviación estándar  ↓  Escalado

📊 Ejemplo en Python

import numpy as np
data = np.array([1, 2, 3, 4, 5])
print(np.std(data))

Ejemplo en PyTorch

import torch
data = torch.tensor([1., 2., 3., 4., 5.])
print(torch.std(data))

🧠 Qué muestra este ejemplo

  • dispersión real
  • cálculo directo
  • interpretación práctica

⚠️ Errores comunes

Confundir con varianza

Son diferentes.

Ignorar outliers

Afectan mucho el resultado.

Usarla sin contexto

Debe acompañarse con la media.

📊 Ejemplo conceptual en ML

Datos  ↓  Media  ↓  Desviación estándar  ↓  Modelo

🧠 Interpretación profunda

La desviación estándar refleja un principio clave:

👉 No solo importa el promedio, sino cómo se distribuyen los datos alrededor de él

Permite:

  • entender variabilidad
  • comparar datasets
  • mejorar modelos

Conclusión

La desviación estándar mide la dispersión de los datos respecto a la media, siendo esencial para entender variabilidad y estructura en los datos.

👉 Es una de las métricas más importantes en estadística y machine learning.

Related Concepts