Calculadora de desviación media absoluta
Para 2, 4, 4, 4, 5, 5, 7 y 9 la media es 5 y la desviación media absoluta es 1,5: las distancias a la media suman 12, y 12 entre 8 valores da 1,5. Gratis en su navegador.
- Gratis
- Funciona en su navegador
- Sin registro
- Sus datos no salen de su equipo
Ejecutar — gratis
Esta calculadora de desviación media absoluta mide qué tan lejos están los valores típicos del centro de una lista finita de números, promediando las diferencias absolutas respecto a la media aritmética. Obtiene el recuento n, la media μ, la suma bruta, la suma de desviaciones absolutas, la DMA misma, más el mínimo y el máximo observados y una breve cadena de fórmula. Una comprobación clásica es la serie de ocho valores dos, cuatro, cuatro, cuatro, cinco, cinco, siete, nueve: la media es cinco y la desviación media absoluta es uno y medio, porque los residuos absolutos suman doce y doce dividido entre ocho es uno coma cinco. El motor usa solo un algoritmo determinista de dos pasadas: sin llamadas de red, sin muestreo aleatorio y sin atajos que dependan de la fecha.
Qué mide la desviación media absoluta y qué contiene la respuesta
La desviación media absoluta responde qué tan lejos están las observaciones típicas del centro de un conjunto de datos sin elevar los residuos al cuadrado. Una vez conocida la media aritmética, cada observación aporta el valor absoluto de su residuo; promediar esos residuos absolutos produce la DMA, que vive en las mismas unidades que las mediciones originales y es menos sensible a valores atípicos extremos que la varianza o la desviación estándar.
Esta calculadora siempre devuelve un resumen univariado completo junto a la DMA: n, mean, sum, la suma de desviaciones absolutas, mad, min, max, una breve cadena de fórmula que nombra que la DMA es igual al promedio de las desviaciones absolutas respecto a μ, y el largo máximo publicado para que los clientes puedan validar antes de enviar un lote. Un solo valor finito es válido y da una DMA de cero porque el único residuo es cero.
Dónde encaja la desviación media absoluta en el estudio, la ciencia y el trabajo de producto
Los estudiantes se encuentran con la desviación media absoluta cuando un libro de texto presenta la dispersión antes de la varianza, cuando un informe de laboratorio pide el error absoluto promedio respecto a la media, o cuando necesitan una comprobación limpia contra una calculadora que solo expone la desviación estándar.
Los docentes pueden pregenerar claves de respuesta para series modestas sin confiar en apps opacas que redondean los residuos absolutos intermedios de forma distinta o confunden la DMA respecto a la media con la desviación absoluta mediana respecto a la mediana. Los desarrolladores llaman al mismo contrato desde scripts para sembrar vectores de prueba deterministas, para validar canalizaciones de características que normalizan por residuo absoluto promedio, o para satisfacer compuertas de calidad de datos que rechazan columnas cuya DMA colapsa a cero cuando se espera variación.
Los analistas prefieren la DMA cuando la serie puede contener colas pesadas y una medida lineal de distancia típica es más fácil de explicar a las partes interesadas que σ. Los equipos de producto y operaciones vigilan la DMA de la latencia, el tamaño del carrito o los conteos de error para detectar regresiones que los promedios solos ocultarían, sin la misma sensibilidad a valores atípicos que la desviación estándar muestral.
Combínela con la calculadora de desviación estándar cuando necesite tanto medidas cuadráticas como absolutas de dispersión, y con perfilado de CSV cuando necesite resúmenes de varias columnas en lugar de una sola serie numérica.
Qué puede hacer con ella
Comprobaciones de tareas y laboratorio
Verifique la desviación media absoluta respecto a la media para series de libro de texto y laboratorios de mediciones repetidas, con la media, la SDA y la DMA mostradas.
Monitoreo robusto de dispersión
Rastree la DMA de la latencia, el tamaño del carrito o las tasas de error como alternativa lineal y más tolerante a valores atípicos que la desviación estándar.
Preguntas frecuentes
¿Cuánto cuesta la calculadora de desviación media absoluta?
Es gratis en su navegador en esta página.
¿Cómo se define aquí la desviación media absoluta?
La DMA es el promedio de los residuos absolutos respecto a la media aritmética: (Σ |xᵢ − μ|) / n. La respuesta también devuelve la suma intermedia de desviaciones absolutas.
¿Qué ocurre si la lista está vacía?
Debe proporcionar al menos un número finito; un solo valor da DMA cero.
¿Esto es lo mismo que la desviación absoluta mediana?
No. Esta herramienta mide las desviaciones absolutas respecto a la media aritmética. La desviación absoluta mediana respecto a la mediana es una estadística distinta.
¿Por qué usar la desviación media absoluta en lugar de la desviación estándar?
Porque promedia distancias simples y no elevadas al cuadrado: el resultado queda en las mismas unidades que sus datos y un valor extremo aislado lo arrastra menos que a la varianza o a la desviación estándar.
Herramientas relacionadas
Para desarrolladores — acceso por API
Todo lo de esta página está disponible por programación. Esta sección es para equipos que quieren integrarlo en sus sistemas; el resto puede usar la herramienta de arriba sin más.
Endpoint de API
¿Prefiere automatizarlo? Un POST autenticado crea la tarea; el resultado llega por webhook o enlace firmado. La misma capacidad también se ejecuta aquí en la web, por email y desde Telegram — y pronto también desde nuestra app.
Llámela desde su stack
curl -X POST https://api.kit.forhosting.com/stat/mean-absolute-deviation \
-H "Authorization: Bearer $KIT_KEY" \
-H "Content-Type: application/json" \
-d '{"values":[2,4,4,4,5,5,7,9]}'const res = await fetch("https://api.kit.forhosting.com/stat/mean-absolute-deviation", {
method: "POST",
headers: {
"Authorization": `Bearer ${process.env.KIT_KEY}`,
"Content-Type": "application/json"
},
body: JSON.stringify({
"values": [
2,
4,
4,
4,
5,
5,
7,
9
]
})
});
const { task_id } = await res.json();import os, requests
res = requests.post(
"https://api.kit.forhosting.com/stat/mean-absolute-deviation",
headers={"Authorization": f"Bearer {os.environ['KIT_KEY']}"},
json={
"values": [
2,
4,
4,
4,
5,
5,
7,
9
]
},
)
task_id = res.json()["task_id"]<?php
$res = file_get_contents("https://api.kit.forhosting.com/stat/mean-absolute-deviation", false, stream_context_create([
"http" => [
"method" => "POST",
"header" => "Authorization: Bearer " . getenv("KIT_KEY") . "\r\nContent-Type: application/json",
"content" => '{"values":[2,4,4,4,5,5,7,9]}',
],
]));
$task = json_decode($res, true);body := bytes.NewBufferString(`{"values":[2,4,4,4,5,5,7,9]}`)
req, _ := http.NewRequest("POST", "https://api.kit.forhosting.com/stat/mean-absolute-deviation", body)
req.Header.Set("Authorization", "Bearer "+os.Getenv("KIT_KEY"))
req.Header.Set("Content-Type", "application/json")
res, _ := http.DefaultClient.Do(req)Ejemplo de solicitud
{
"values": [
2,
4,
4,
4,
5,
5,
7,
9
]
}Ejemplo de respuesta
{
"task_id": "tsk_a1b2c3d4e5f6a1b2c3d4e5f6",
"type": "stat.mean_absolute_deviation",
"status": "queued",
"_links": {
"result": "/tasks/tsk_…/result"
}
}La API es asíncrona: la llamada devuelve un task_id al instante y el resultado llega por webhook. El polling está limitado a 1 req/s por tarea.
Precio
Precio publicado — sin tokens ni créditos inventados. Una tarea fallida no se cobra.
Límites
max_n | 10000 |
max_abs | 1000000000000000 |
Errores
| HTTP | Código | Significado |
|---|---|---|
401 | unauthorized | API key ausente o inválida. |
402 | insufficient_balance | El saldo no cubre el precio de la tarea. |
404 | unknown_type | El tipo de tarea no existe. |
429 | rate_limited | Demasiadas peticiones. Use el webhook en vez de sondear. |
Notas técnicas
Las listas vacías se rechazan con invalid_input.
Qué mide la desviación media absoluta y qué contiene la respuesta
No hay una vía aproximada de Monte Carlo presentada como verdad ni una conversión silenciosa de etiquetas de texto en ceros: el motor termina la aritmética de dos pasadas dentro de los límites de largo y magnitud admitidos o rechaza la entrada con invalid_input. Los casos rechazados incluyen un campo values ausente, una lista vacía, entradas no finitas como Infinity o NaN, tokens no numéricos, y arreglos más largos que el máximo publicado. La regla de lista vacía es intencional: promediar desviaciones absolutas sobre cero observaciones no está definido, y devolver un cero sintético haría que las pruebas doradas y los consumidores de API se ramificaran según la forma.
Cómo se leen los valores y cómo se mantiene estable el algoritmo de dos pasadas
Cada elemento se analiza como un decimal finito; se permiten signos iniciales opcionales y notación científica, mientras que los tokens vacíos, las letras sueltas y los objetos no numéricos fallan con un índice de campo en el mensaje para que una celda mal escrita no se convierta en un cero silencioso. El cálculo es el método clásico de dos pasadas: primero la suma y la media, luego la suma de desviaciones absolutas respecto a esa media, luego la DMA como esa suma dividida entre n. Devolver la suma intermedia de desviaciones absolutas junto a la DMA permite a docentes y desarrolladores verificar la aritmética a mano sin volver a derivar la media. Los residuos absolutos evitan la amplificación de valores atípicos al cuadrado que introduce la desviación estándar, razón por la cual la DMA es popular en la estadística introductoria, el análisis exploratorio robusto, y los gráficos de control de calidad que prefieren la distancia lineal sobre la distancia cuadrática. El campo preferido es values, un arreglo de números finitos, pero se aceptan los alias data, numbers, x y series para que hojas de cálculo, cadenas de consulta y formularios tipados puedan reutilizar el mismo contrato. También se acepta una única cadena de números separados por comas o espacios cuando un formulario envía texto plano en lugar de arreglos JSON. El motor impone un máximo estricto de diez mil puntos y un techo de magnitud por valor, así que la memoria y la latencia se mantienen dentro de un presupuesto predecible en la vía gratuita del navegador y en el Worker de borde. Combine la ejecución gratuita en el navegador de esta página con la API de pago cuando necesite el mismo resultado descriptivo dentro de una canalización automatizada sin reimplementar usted mismo el promedio de desviación absoluta.
Dónde encaja la desviación media absoluta en el estudio, la ciencia y el trabajo de producto
En esta página el trabajo se ejecuta enteramente en su navegador; a través de la API cada consulta exitosa cuesta $0.002, la validación fallida no se cobra y no se guarda nada después de devolver la respuesta. Esa división —exploración interactiva gratuita y una API de pago idéntica— coincide con el resto del catálogo de nivel A del KIT y le permite pasar de una demostración de aula a una canalización automatizada sin cambiar el resultado matemático.
Casos de integración
Fixtures deterministas de CI
Genere valores reproducibles de media y DMA para pruebas unitarias y compuertas de calidad de datos sin mantener tablas a mano.
Preguntas técnicas
¿Puedo enviar una cadena separada por comas en lugar de un arreglo JSON?
Sí. El campo values acepta un arreglo de números o una sola cadena de números separados por comas, espacios o puntos y comas.