Yo era A2A, así que lo intentaré.
Primero, dos declaraciones de hechos.
1) La verdadera desviación estándar de una población es la raíz cuadrada de la distancia cuadrada promedio a la media de la distribución.
- ¿Cuál es la diferencia entre un objeto cuántico y uno 'normal'?
- ¿Cuál es el significado de la matriz S en física?
- ¿Se está expandiendo el universo o las partículas se están volviendo más pequeñas?
- ¿Cuál es la explicación básica de la teoría de cuerdas?
- Si la teoría de cuerdas resulta ser errónea o un callejón sin salida, ¿los miles de teóricos de cuerdas seguirán siendo considerados genios, o chiflados y chiflados?
2) Si suponemos que la muestra es adecuadamente aleatoria y que la distribución tiene una varianza finita, entonces la desviación estándar de la muestra utilizada típicamente tiene las propiedades de que su cuadrado es una estimación imparcial del cuadrado de la verdadera desviación estándar y es, en sí mismo , un estimador consistente para la verdadera desviación estándar. (Consistente significa que el estimador converge en probabilidad al parámetro que estima a medida que el tamaño de la muestra llega al infinito).
A la luz de estas dos afirmaciones, tanto la verdadera desviación estándar como su estimador ciertamente siguen teniendo un significado claro incluso cuando la distribución subyacente no es normal. Sin embargo, en el caso habitual cuando no conoce exactamente la distribución subyacente, conocer la desviación estándar o incluso tener una buena estimación de su valor es de uso limitado.
Por supuesto, si conoce la distribución subyacente, en algunos casos, la verdadera desviación estándar es suficiente para caracterizar completamente la distribución. Por ejemplo, si sabe que la distribución está distribuida exponencialmente, la desviación estándar es igual a la media y este valor es suficiente para conocer la distribución completa. Si la distribución es Poisson, entonces el cuadrado de la desviación estándar es igual a la media y, nuevamente, es suficiente para describir completamente la distribución. Entonces, en algunos casos especiales como ese, incluso una estimación de la desviación estándar podría ser bastante útil. Pero yo diría que en un caso general, ese parámetro por sí solo no es suficiente para ser útil.