La desviación estándar es una medida de dispersión de los datos alrededor de la media o mediana. Mide cuánto se desvían los datos del promedio general. Se calcula como la raíz cuadrada de la media de los cuadrados de las desviaciones de cada valor con respecto a la media. Cuanto más pequeña es la desviación estándar, mayor es la concentración de datos cerca de la media. Junto con la media, ayuda a determinar los límites dentro de los cuales se encuentran la mayoría de los datos.

1. Desviación estándar (DS)

2. Desviación Estándar
 Desviación típica: Es una medida de dispersión de los datos alrededor de su media
o mediana (denotada con el símbolo σ o s)
 Teóricamente consiste en averiguar en cuanto difiere en promedio cada
observación, del promedio general de las observaciones o del grupo.
 Dicho de otra manera, la desviación estándar es simplemente el "promedio" o
variación esperada con respecto a la media aritmética.
 Es decir, la raíz cuadrada de la media de los cuadrados de las puntuaciones de
desviación.

3. 1. Calcular el promedio o media aritmética
4 + 1 +11+13+2+7
6

4. Cuanta más pequeña sea la desviación estándar mayor será la
concentración de datos alrededor de la media.

5.  A través de ésta, se podra determinar qué tanto se desvia cada dato, en promedio,
respecto a la media aritmética u otra medida de tendencia central.
 Su utilidad se debe a que ella, junto con el promedio, ayuda a determinar los
límites dentro de los cuales se encuentran las observaciones que se estudian, en tal
forma, que basta conocer el promedio y la D.E. Para reproducir toda la información
contenida en los datos originales. Esta interpretación se basa en las propiedades de
la curva normal.

6. Coeficiente de variación
 El coeficiente de variación es la relación entre la desviación típica de una muestra y
su media.
 Donde , es la media.
 σ es la desviación estándar, respectivamente, para una misma población.
 En ocasiones se suele presentar la información mediante el por ciento, sobre todo
al momento de comparar dos muestras, por lo que el coeficiente suele presentarse
como:
 Su utilidad radica en que podemos determinar que tanta variabilidad existe entre
dos muestra en las que inclusive la información no tienen las mismas unidades o se
trata de datos diferentes.

7. Propiedades y aplicaciones
 El coeficiente de variación no posee unidades.
 El coeficiente de variación es típicamente menor que uno. Sin embargo, en ciertas
distribuciones de probabilidad puede ser 1 o mayor que 1.
 Para su mejor interpretación se expresa como porcentaje.
 Depende de la desviación típica, también llamada "desviación estándar", y en
mayor medida de la media aritmética.

8. Uso de la estadística no Gaussiana (no
paramétrica)
 Una prueba estadística no paramétrica esta basada en un modelo que especifica
solo condiciones muy generales y ninguna acerca de la forma especifica de la
distribución de la cual fue obtenida la muestra.
Los procedimientos no paramétricos prueban diferentes hipótesis acerca de la
población que los procedimientos paramétricos no hacen

9. Ventajas
 Si el tamaño de la muestra es muy pequeño, puede no haber otra opción que usar
una prueba estadística no paramétrica, a menos que la naturaleza de la distribución
de la población se conozca con exactitud.
 Las pruebas estadísticas no paramétricas son mas fáciles de aplicar que las pruebas
paramétricas.
 Existen pruebas estadísticas no paramétricas que son adecuadas para tratar
muestras obtenidas de observaciones de diferentes poblaciones.

10. Pruebas o métodos no paramétricos.
 Rueba de cambio de MCNemar
 Prueba de los signos
 Prueba de rangos asignados de wilcoxon
 Prueba de la mediana
 Coeficiente C de Cramer
La utilización de estos métodos se hace recomendable cuando no se puede asumir
que los datos se ajusten a una distribución conocida.