Si diez personas están en una sala y entra la undécima —un multimillonario—, la "riqueza media" de la sala se dispara hasta cifras astronómicas sin que nadie se haya vuelto un céntimo más rico. Es el ejemplo clásico de cómo una única medida, mal elegida, cuenta una historia falsa sobre datos perfectamente ciertos.
Resumir datos es inevitable. Nadie decide mirando diez mil filas; mira un número que las represente. El problema es que cada número de resumen —media, mediana, desviación estándar— arrastra supuestos silenciosos sobre la forma de los datos. Elegir mal no es un detalle técnico: es la diferencia entre un informe que aclara y uno que induce a error.
Este artículo recorre las medidas de resumen más habituales, muestra cuándo ayuda cada una, cuándo engaña y cómo combinarlas para describir tus datos con honestidad, sin reducir una tabla llena de matices a un único número engañoso.
La media: útil, pero sensible a los extremos
La media suma todos los valores y divide por el número de observaciones. Es la medida más intuitiva y, cuando los datos son simétricos y sin valores extremos, los resume muy bien. El salario medio de un equipo homogéneo, la temperatura media de una semana estable: en esos casos, la media dice casi todo lo que necesitas saber.
Su punto débil es también su definición: como usa todos los valores, un solo extremo la arrastra. Un cliente que gasta cien veces más que el resto, un mes atípico, un error de registro con un cero de más: cualquiera de ellos aleja la media de lo que es "típico". Cuando oigas "de media", siempre vale la pena preguntar: media de qué, y ¿con qué colas?
La mediana: el valor central que resiste a los outliers
La mediana es el valor que queda justo en el medio cuando ordenas los datos: la mitad de las observaciones está por debajo y la mitad por encima. No suma nada, así que un extremo aislado no la mueve. En aquella sala con el multimillonario, la mediana de la riqueza apenas cambia: sigue describiendo a la persona típica.
Por eso la mediana es la medida adecuada para datos sesgados: ingresos, precios de vivienda, tiempos de respuesta, importes de pedido. Siempre que una minoría de valores muy altos (o muy bajos) distorsiona la media, la mediana cuenta la historia del centro real de la distribución.
Cuando media y mediana no coinciden (y qué revela)
La relación entre ambas es, en sí misma, información. Si la media es claramente mayor que la mediana, los datos tienen una cola a la derecha: unos pocos valores muy altos que tiran de la media hacia arriba. Si la media es menor, la cola está a la izquierda. Cuando las dos casi coinciden, la distribución es aproximadamente simétrica.
Una práctica sencilla y reveladora: calcula siempre las dos. La diferencia entre ellas es una alarma barata para detectar el sesgo, antes incluso de dibujar un gráfico. Si media y mediana están muy separadas, sabes que informar solo de la media va a engañar a quien te lea.
La moda: la categoría más frecuente
La moda es el valor que aparece más veces. Tiene poco sentido para una variable continua, pero es la medida natural para datos categóricos: el plan más contratado, el motivo de contacto más frecuente, el producto más vendido. "Nuestro cliente típico elige el plan intermedio" es una afirmación sobre la moda, no sobre la media.
Es la menos usada de las tres en informes numéricos, pero la más honesta cuando la pregunta es "¿qué ocurre con más frecuencia?". Confundir moda con media —decir "de media" cuando querías decir "lo más común"— es un error sutil que cambia el sentido de la frase.
Desviación estándar: cuánto se alejan los datos del centro
Dos equipos pueden tener exactamente la misma media de ventas y realidades completamente distintas: uno consistente mes tras mes, el otro saltando entre picos y vacíos. La media no los distingue. La desviación estándar, sí: mide la distancia típica de cada valor a la media, es decir, cuánto se dispersan los datos.
Una desviación estándar pequeña dice que los valores se agrupan muy cerca de la media; una grande, que están dispersos. En datos aproximadamente normales, vale la regla empírica de que unos dos tercios de las observaciones caen a una desviación de la media y casi todas a dos. Pero ojo con el "aproximadamente normales": si la distribución está muy sesgada o tiene varias modas, esa regla deja de valer y la desviación estándar por sí sola engaña tanto como la media.
La media sola miente: añade siempre la dispersión
Hay un dicho que lo resume todo: puedes ahogarte al cruzar un río de un metro de profundidad media. La media, sin noción de variación, esconde precisamente lo que suele importar: el riesgo, la inconsistencia, los extremos que marcan la diferencia en la práctica.
La regla es informar siempre del centro y la dispersión juntos. "Entrega en 48h de media, con una desviación estándar de 4h" dice mucho más que "48h de media". Lo primero promete consistencia; lo segundo puede esconder entregas de 24h y de 90h que se anulan en la cuenta. Un número de centro sin un número de dispersión es media verdad.
Errores comunes al resumir datos
- Informar de la media de datos sesgados. Cuando hay una cola larga, la mediana describe mejor lo típico.
- Ignorar la dispersión. Dos medias iguales pueden esconder realidades opuestas; añade siempre desviación estándar o rango intercuartílico.
- Comparar medias de grupos de tamaños muy distintos sin ponderar por el número de observaciones.
- Promediar porcentajes o ratios ya calculados. Sumar tasas y dividir por su número suele dar el resultado equivocado; muchas veces hay que volver a los totales.
- Aplicar la regla de los dos tercios a datos no normales. Sin una distribución aproximadamente simétrica, esa intuición falla.
- Dejar que un outlier por error de registro lo distorsione todo. Investiga los extremos antes de incluirlos en el resumen.
Minicaso: dos proveedores con la misma media
Una empresa de retail comparaba dos transportistas para renovar el contrato. Ambos presentaban un tiempo medio de entrega de unas 48 horas, y la decisión parecía reducirse al precio. Eligieron el más barato, y las roturas de stock en las tiendas no dejaron de aumentar.
Al volver a los datos, el equipo miró más allá de la media. El transportista elegido tenía una desviación estándar enorme: entregaba tanto en 24 horas como en 90, de forma impredecible. El otro entregaba casi siempre entre 44 y 52 horas. La mediana y los percentiles contaban la misma historia: la media igual escondía niveles de consistencia opuestos. Empezaron a incluir la dispersión en el criterio de selección, la variabilidad de las entregas bajó y, con ella, las roturas.
En la práctica
Nunca informes de un número de resumen aislado. Para el centro, usa la mediana cuando los datos están sesgados y la media cuando son simétricos; añade siempre una medida de dispersión, ya sea la desviación estándar o el rango intercuartílico; y, antes de fiarte de cualquier resumen, mira la distribución. Un histograma sencillo revela en segundos lo que tres estadísticas por sí solas pueden esconder, y evita que tu informe cuente, sin querer, una historia que los datos no sostienen.
