Summary  
This chapter explains how to calculate sample variance by summing squared deviations from the mean and dividing by n − 1 to estimate data variability.  

General domain of usage  
Statistical data analysis

Ahora se explora la **varianza muestral**. El concepto es similar a la **varianza poblacional**, pero la fórmula difiere ligeramente porque los datos representan solo un subconjunto de toda la población.


**Fórmula**
$$
\text{variance} = \frac{\sum^n_{i=1}(x_i-\bar{x})^2}{n-1}
$$

Donde:
- $$n$$ - tamaño de la muestra;
- $$i$$ - índice de cada elemento;
- $$x_i$$ - cada elemento;
- $$\bar{x}$$ - valor medio de la muestra.


Ejemplo de varianza redondeada a dos decimales para la columna `'salary_in_usd'`:

La varianza de la columna `'salary_in_usd'` es **5034932663.18**

## Nota clave sobre la varianza

La varianza de la columna `'salary_in_usd'` es bastante considerable, lo que indica que los valores en esta columna están **muy dispersos**.

Cuanto mayor es la varianza, más dispersos están los valores.

Nota

Selecciona la que tiene menor varianza entre los gráficos con igual número de observaciones y valores medios idénticos.

Construya una base sólida en estadística utilizando Python. Aprenda conceptos estadísticos esenciales y aplíquelos a través de NumPy y pandas. Avance desde medidas básicas como la media y la varianza hasta pruebas de hipótesis, intervalos de confianza y obtención de conclusiones basadas en datos con práctica práctica.

Descubre los principios estadísticos fundamentales, incluidos los tipos de datos, las medidas de tendencia central y las diferencias clave entre muestras y poblaciones.

Aprende a calcular e interpretar la media, la mediana y la moda utilizando Python. Practica estas operaciones con pandas para analizar conjuntos de datos reales.

Comprender cómo la varianza y la desviación estándar miden la dispersión de los datos. Aprender a calcular ambas manualmente y utilizando herramientas de Python.

Explora cómo la covarianza y la correlación describen las relaciones entre variables. Practica el cálculo y la comparación de ambas métricas en Python.

Domina los intervalos de confianza para estimar parámetros poblacionales. Utiliza NumPy, pandas y bibliotecas de visualización para calcular e interpretar intervalos con datos reales.

Aprende los fundamentos de las pruebas de hipótesis y la prueba t. Comprende cómo diseñar, realizar e interpretar pruebas utilizando Python para respaldar decisiones basadas en datos.

Varianza muestral

Nota clave sobre la varianza