Calculadora de error estándar - SE con datos o resumen

El error estándar de la media (SE o SEM) es la desviación estándar de la distribución muestral de la media. En términos sencillos, indica qué tan lejos podría estar la media muestral de la verdadera media poblacional si repitieras el muestreo muchas veces. Un SE pequeño significa que tu media muestral es una estimación precisa de la media poblacional; un SE grande implica más incertidumbre. La fórmula es SE = s / √n, donde s es la desviación estándar de tu muestra y n es el número de observaciones. En el modo de datos brutos, la calculadora primero calcula la desviación estándar muestral (usando la corrección de Bessel con n−1 en el denominador) y luego divide por √n. En el modo de estadísticas resumidas, proporcionas directamente la media, la desviación estándar y n, lo cual es útil cuando ya tienes datos agregados —por ejemplo, de un artículo publicado— y no puedes acceder a las observaciones originales. Esta calculadora también calcula el intervalo de confianza para la media al nivel que elijas (90%, 95% o 99%). El intervalo se construye como x̄ ± z × SE, donde z es el valor crítico de la distribución normal estándar (1.645 para 90%, 1.96 para 95%, 2.576 para 99%). Estos intervalos basados en z son apropiados para muestras grandes (n ≥ 30) o cuando se sabe que la población sigue una distribución normal. Para muestras pequeñas de poblaciones no normales, un intervalo basado en t (usando t con n−1 grados de libertad) sería más preciso; como regla práctica, los valores z y t son casi idénticos para n ≥ 30. El SE se usa en casi todas las ramas de la investigación cuantitativa. En medicina, los artículos clínicos suelen reportar medias con sus SE o intervalos de confianza para que los lectores puedan juzgar si las diferencias entre grupos de tratamiento son clínicamente relevantes. En manufactura, las evaluaciones de capacidad de proceso usan el SE para determinar si la media muestral está de forma fiable dentro de los límites de especificación. En encuestas de ciencias sociales, el margen de error de una media reportada depende directamente del SE. En análisis de riesgo financiero, el SE se usa para estimar la incertidumbre en torno a los rendimientos medios y otros estadísticos. En aprendizaje automático, el SE sustenta los intervalos de confianza bootstrap usados para comparar métricas de rendimiento de modelos. También es importante saber cuándo reportar SE frente a desviación estándar (DE). La DE describe cuán dispersas están las mediciones individuales; no disminuye al recolectar más datos (suponiendo que la variabilidad poblacional real sea fija). El SE describe la precisión de la estimación de la media, y sí disminuye con más datos porque SE = DE / √n. Cuando tu objetivo es comunicar la variabilidad entre individuos —por ejemplo, el rango de edades de los pacientes en un estudio— reporta DE. Cuando tu objetivo es comunicar la precisión de una estimación de la media —por ejemplo, la fiabilidad de una reducción media de la presión arterial— reporta SE o su intervalo de confianza derivado.