Calculadora de suma de cuadrados
Calcula la suma de cuadrados bruta y corregida, la media y la varianza muestral de cualquier conjunto de datos numéricos.
Acerca de la suma de cuadrados
Ejemplos de suma de cuadrados
| Datos | Resultados | Explicación |
|---|---|---|
| 1, 2, 3, 4 | Σx² = 30; SC corregida = 5 | La media es 2.5 y la varianza muestral es 5 ÷ 3 = 1.6667. |
| -2, 0, 2 | Σx² = 8; SC corregida = 8 | La media es cero, por lo que las sumas bruta y corregida son iguales. |
| 5, 5, 5 | Σx² = 75; SC corregida = 0 | Las observaciones idénticas no presentan variación respecto a su media. |
Cómo calcular una suma de cuadrados
- Introduce todas las observaciones separadas por comas, espacios o punto y coma.
- Haz clic en Calcular suma de cuadrados para procesar el conjunto completo.
- Usa Suma de cuadrados bruta para Σx² y Suma de cuadrados corregida para la variación respecto a la media.
- Consulta Varianza muestral si necesitas la suma corregida dividida entre n menos uno.
Preguntas sobre la suma de cuadrados
¿Cuál es la fórmula de la suma de cuadrados bruta?
Eleva cada observación al cuadrado y suma los resultados: Σx². Mide la magnitud al cuadrado respecto a cero, no la variación alrededor de la media.
¿Qué es la suma de cuadrados corregida?
Es la suma de las diferencias al cuadrado entre cada observación y la media, Σ(x − x̄)². En muchos contextos estadísticos también se llama suma de cuadrados total.
¿Cómo se relaciona la varianza muestral con la suma de cuadrados?
La varianza muestral es la suma de cuadrados corregida dividida entre n − 1. El denominador corrige el sesgo al estimar la varianza poblacional a partir de una muestra.
¿Puede ser negativa la suma de cuadrados?
No. Cada término al cuadrado es no negativo, por lo que la suma tampoco puede ser negativa. La suma corregida solo es cero cuando todas las observaciones son iguales.
¿Por qué ANOVA y regresión usan sumas de cuadrados?
Las desviaciones al cuadrado cuantifican la variación sin que se cancelen errores positivos y negativos. También pueden dividirse en componentes del modelo y residuales para compararlos.