La varianza mide cuánto se dispersan los valores de una variable alrededor de su media, dando más peso a las diferencias grandes porque las eleva al cuadrado. En un registro de resultados deportivos o simulaciones ayuda a describir variación, pero no demuestra por sí sola que haya habido suerte, habilidad o ventaja.
No basta conocer el promedio
Dos registros pueden acabar con el mismo resultado medio y, sin embargo, mostrar recorridos muy diferentes. Una serie en la que todos los resultados netos son cero tiene media cero y ningún cambio entre observaciones. Otra puede alternar ganancias de diez unidades con pérdidas de diez: su media también es cero, pero hay mucha más variación. La varianza permite cuantificar esta diferencia sin sustituir el análisis de los pagos y pérdidas posibles.
Para calcularla necesitamos una variable definida y un conjunto de valores comparables: por ejemplo, beneficio o pérdida netos por posición cerrada, siempre con la misma convención de costes, importes y anulaciones. No mezclar retorno bruto con beneficio neto ni diferentes escalas sin advertirlo. El símbolo de media suele escribirse μ para una distribución conocida y una barra sobre x para la media de una muestra.
La idea es restar a cada valor su media, elevar cada diferencia al cuadrado —así no se cancelan las positivas con las negativas— y promediar los cuadrados. Cuanto más lejos del promedio están los datos, mayor suele ser la varianza.
Ejemplo ficticio: cuatro registros de fútbol
Un laboratorio docente simula cuatro selecciones ficticias de fútbol ya liquidadas, todas con la misma escala y sin comisiones. Los resultados netos por posición, expresados en unidades de simulación, son +10, −10, +10 y −10. No son resultados de apuestas reales ni una estrategia que se haya probado.
- Media: (+10 − 10 + 10 − 10) / 4 = 0 unidades.
- Desviaciones: cada valor está a +10 o −10 de la media 0.
- Cuadrados: 10², (−10)², 10² y (−10)² dan 100, 100, 100 y 100 unidades cuadradas.
- Promedio para esta lista completa: (100 + 100 + 100 + 100) / 4 = 100 unidades².
En este ejercicio las cuatro observaciones se tratan como toda la población descriptiva del registro elegido, de modo que dividimos entre n = 4. Si, en cambio, considerásemos las cuatro como una muestra para estimar la varianza de una población más amplia mediante el estimador muestral habitual, el denominador sería n − 1 = 3 y obtendríamos 400/3 ≈ 133,33 unidades². Es importante declarar cuál de esas operaciones se está realizando; no son respuestas intercambiables a la misma pregunta.
Comparemos otro registro ficticio con cuatro resultados netos 0, 0, 0 y 0. Su media también es cero, pero cada diferencia con la media es cero, por lo que su varianza descriptiva es cero. El promedio económico coincide; la dispersión, no.
La fórmula y su interpretación correcta
Si conocemos las probabilidades pj de cada resultado neto posible xj de un modelo, podemos obtener una varianza teórica mediante Var(X) = suma de pj × (xj − μ)², donde μ es el valor esperado de X y las probabilidades suman uno. En cambio, una varianza descriptiva del registro completo usa la media aritmética de los cuadrados con denominador n; y el estimador muestral habitual divide entre n − 1 si hay al menos dos observaciones.
En una selección binaria que produzca +10 o −10 con probabilidad teórica de 0,50 cada una, μ = 0 y la varianza teórica es 0,50 × 100 + 0,50 × 100 = 100 unidades². Es un modelo, no algo que el registro de cuatro casos haya demostrado. Cuando las probabilidades cambian entre partidos o las posiciones son dependientes, hace falta otra descripción.
Errores frecuentes y límite
- Confundir varianza con beneficio medio: mide dispersión, no si la media es positiva.
- Usar indistintamente n y n − 1: dependen de si describimos los datos completos o estimamos una población.
- Interpretarla en las unidades originales: está expresada en unidades al cuadrado; la desviación típica devuelve una escala más intuitiva.
Qué debes recordar: una varianza alta señala resultados más separados de la media según la medida elegida. Por sí sola no indica la máxima pérdida posible ni convierte una racha en prueba de habilidad o de mala suerte.
Conceptos relacionados
Desviación típica; Valor esperado; Tamaño y selección de la muestra; Ley de los grandes números; Exposición; Drawdown.