La desviación estándar

Para la mayoría de las distribuciones de frecuencia industriales se

emplea la desviación estándar, como una medida de la dispersión y se la
identifica con la letra minúscula “s”.

Se obtiene extrayendo la raíz cuadrada, a la suma de los cuadrados

de las diferencias de cada lectura de una serie respecto a la media de esta
serie, dividiendo por el número de lecturas menos una.

La fórmula para el cálculo es la siguiente:

S= Σ ( X 1 – X ) ² + ( X 2 –X) ² + (X 3 – X) ² + Xn – X) ²
n–1
Por lo tanto si se tienen las lecturas 4,5,6,7, y 8 , cuya media es 6, la desviación
estándar se calcula como sigue:

(4 - 6) ² + (5 – 6 )² + (6 – 6 )² + ( 7- 6 )² + (8 – 6)²
S= 5-1

S= 4 + 1+ 0 + 1 + 4

S = 1,581

El valor de “s” es la desviación estándar, en torno a la media aritmética de la

mediciones de una muestra tomada de una población.

Juan Carlos Fera/ Curso Indicadores de desempeño/UTN 1

 En consecuencia la desviación estándar de la población difiere
ligeramente en función del tamaño de la muestra.
La desviación estándar de la población se la designa con la letra sigma (σ ).
En consecuencia es necesario utilizar un coeficiente “C” para calcular el valor
de la población aplicando la siguiente relación:

s
σ=
c4

El coeficiente C 4 se obtiene de tablas existentes a tal efecto.

Por ejemplo para el caso presentado si fuese una muestra de 5 habría
que afectarlo con un coeficiente igual a 0,9400, con los cual:
σ = 1,5281 x 0,9400
σ = 1,436

Para un tamaño de muestra 25 el coeficiente es 0,9896, para 50 corresponde

0,9949 y para 100 es igual a 0,9975.
En consecuencia la exactitud de “s” , como estimador de la desviación de la
población, aumenta notablemente cuando aumenta el tamaño de la muestra.

¿Qué es la dispersión?

Es la manera como se distribuyen los valores hallados en torno a la

media aritmética de las mediciones del muestreo realizado.
En muchos fenómenos, como los derivados de procesos industriales, la
distribución de frecuencias de la mediciones asume una característica que se
denomina normal, asumiendo la forma de una curva que se conoce como
“campana” de Gauss.

Entonces utilizando esta herramienta, que nos brinda la estadística como

la desviación estándar, podemos determinar entre qué limites se encuentra el
total de la población, a partir de la medición efectiva de una muestra
representativa de la misma.

Juan Carlos Fera/ Curso Indicadores de desempeño/UTN 2

Habiendo determinado el valor de sigma (σ ), con el método descripto
Anteriormente, las leyes de la probabilidad nos enseña :
Valor medio X + /- 1 σ abarca el 68,27 % de la población
Valor medio X + /- 2 σ abarca el 95,45 % de la población
Valor medio X + /- 3 σ abarca el 99,73 % de la población

Ejemplo de distribución frecuencias en torno al valor medio ( X )

Distribución de frecuencias

12

10

8
Frecuencia

0
A B C D E F G H I K L
Mediciones

1σ - X + 1σ
68 %

2σ - X + 2σ
95 %

3σ - X + 3σ
99,7 %

Juan Carlos Fera/ Curso Indicadores de desempeño/UTN 3

 Aplicación práctica de la desviación estándar
En la Unidad Nº 2, al referirnos a la influencia de la dispersión, tomando
como ejemplo el tiempo que tardaban dos pizzerías distintas en entregar los
pedidos.
Recordemos que sobre 10 mediciones realizadas sobre cada una de
ellas se obtuvo el siguiente resultado:
• Pizzería ALFA:
- Tiempo promedio = 7,15 minutos; desviación estándar = 0,48 minutos
• Pizzería BETA
-Tiempo promedio = 7,15 minutos; desviación estándar = 1,82 minutos

Teniendo en cuenta el tamaño de la muestra, 10 mediciones, debemos afectar estos

valores por el coeficiente “ C 4” para tener el valor de “σ “, que equivale a 0,9927

Luego el valor de ”S” es:

• ALFA : 0,48 X 0,9927 σ = 0.46

• BETA: 1,82 X 0,9927 σ = 1,77

Si deseamos saber el rango de tiempo de preparación de los pedidos de cada

pizzería, para prácticamente todos los pedidos, o más precisamente el 99,7 % de los
casos, debemos sumar el valor medio los 3 σ para establecer el valor superior y
restar los 3 σ para determinar el límite inferior.
Veamos el cálculo sencillo:
• ALFA límite superior : tiempo medio + 3 σ : 7,15 + 1,38 = 8,53 minutos
• ALFA límite inferior: tiempo medio – 3 σ : 7,15 – 1,38 = 5,77 minutos

BETA límite superior : tiempo medio + 3 σ : 7,15 + 5,31 = 12,46 minutos

BETA límite inferior : tiempo medio - 3 σ : 7,15 – 5,31 = 1,84 minutos

Este sencillo ejemplo nos demuestra que a veces el promedio no nos

demuestra suficientemente el desempeño de un determinado proceso y la dispersión
puede constituir un buen indicador secundario.

Como resultado se puede deducir que surge otro indicador: la magnitud de la

dispersión, cuyo objetivo deberá acotarse.

Juan Carlos Fera/ Curso Indicadores de desempeño/UTN 4