Cuáles son las diferencias y aplicaciones entre mediana y promedio
En cualquier campo que requiera análisis de datos, entender las diferencias entre dos conceptos fundamentales como la mediana y el promedio es esencial. Aunque ambos términos suelen ser utilizados de manera intercambiable, tienen características distintas que los hacen útiles en diferentes situaciones.
Definición de mediana y promedio
La media aritmética, comúnmente simplemente conocida como promedio, se calcula sumando todos los valores de un conjunto de datos y luego dividiendo el resultado entre la cantidad de valores. Por ejemplo, si tenemos un conjunto de alturas de cinco estudiantes: 150 cm, 160 cm, 170 cm, 180 cm y 190 cm. Para calcular el promedio, sumaríamos estas alturas: 150 + 160 + 170 + 180 + 190 = 850. Luego dividiríamos este total por la cantidad de estudiantes: 850 / 5 = 170 cm. Por lo tanto, el promedio de las alturas es 170 cm.
En contraste, la mediana es el valor que se encuentra en el medio de un conjunto de datos cuando estos se organizan en orden ascendente. Si hay un número impar de valores, la mediana es el número del medio. Si hay un número par, la mediana se calcula promediando los dos números centrales. Usando el mismo ejemplo anterior, para encontrar la mediana primero ordenamos las alturas (ya están ordenadas en este caso). Como hay cinco valores, el tercero es la mediana. Así que la mediana también es 170 cm.
Ambas métricas ofrecen una visión rápida del conjunto de datos, pero pueden interpretarse de manera muy diferente, especialmente cuando hay valores extremos. Por lo tanto, es importante saber cuándo usar cada una.
Cálculo de la media aritmética y mediana antes del ajuste
Volviendo al escenario donde registramos incorrectamente la altura de la clase al ingresar la altura de la profesora, vamos a ver cómo varían el promedio y la mediana en este contexto. Supón que tenemos la siguiente lista de alturas (en cm) de los estudiantes y la profesora: 150, 160, 170, 180, 190, 165 (profesora). Suponiendo que tenemos 6 datos, realizar la suma y calcular la media es como sigue:
- Suma: 150 + 160 + 170 + 180 + 190 + 165 = 1,015.
- Calculo de la media aritmética: 1,015 / 6 = 169.17 cm.
Ahora, para encontrar la mediana, tenemos que organizar primero los datos: 150, 160, 165, 170, 180, 190. Como hay un número par de alturas, tomamos los dos números centrales, que son 165 y 170, y calculamos su media:
- Mediana = (165 + 170) / 2 = 167.5 cm.
Así, antes de hacer el ajuste, tenemos que la media es 169.17 cm y la mediana es 167.5 cm.
Análisis del cambio en media y mediana tras la modificación
Vamos a ajustar la tabla reemplazando la altura incorrecta de la profesora (165 cm) por la del director, que es de 185 cm. Este cambio impactará tanto en la media como en la mediana de los datos. Utilizaremos nuevamente los datos, pero ahora con la altura corregida:
- 150, 160, 170, 180, 190, 185.
Comenzaremos de nuevo con el cálculo de la media aritmética:
- Suma: 150 + 160 + 170 + 180 + 190 + 185 = 1,035.
- Calculo de la media aritmética: 1,035 / 6 = 172.5 cm.
Ahora, calculemos la mediana con los datos corregidos. Nuevamente, deben estar en orden: 150, 160, 170, 180, 185, 190. Con seis valores, usamos los dos números centrales 170 y 180:
- Mediana = (170 + 180) / 2 = 175 cm.
Después de la corrección, tenemos una nueva media de 172.5 cm y mediana de 175 cm. Observamos que en este caso, la media ha aumentado, pero la mediana también lo ha hecho y, de hecho, ahora es mayor. Esto ilustra cómo los cambios en los datos pueden afectar tanto a la media como a la mediana, pero de formas que podrían no ser esperadas, especialmente al considerar la ubicación de los valores.
Determinación de la altura para el maestro que hace la media mayor que la mediana
Ahora, nos gustaría saber qué altura debería tener el maestro para que la media aritmética sea mayor que la mediana. Necesitamos establecer un escenario donde la media (promedio) pueda sobrepasar a la mediana. Actualmente, sabemos que después de nuestra modificación, la mediana es 175 cm. Para que la media sea mayor, el maestro debe tener una altura que eleve el promedio por encima de este punto.
Dado que el cambio en los datos se puede calcular de la siguiente manera:
- Suma total de alturas = 1,035 + altura del maestro.
- Media deseada > Mediana (175 cm) implica:
- (1,035 + altura del maestro) / 7 > 175.
Si multiplicamos ambos lados de la desigualdad por 7 para deshacernos de la división, obtenemos:
- 1,035 + altura del maestro > 1,225.
Restando 1,035, tenemos:
- altura del maestro > 190 cm.
Por tanto, el maestro debe medir más de 190 cm para asegurar que la media aritmética sea mayor que la mediana. Este tipo de análisis es útil para entender cómo los valores individuales influyen en la estadística general.
Comparación de la robustez de la mediana frente a la media aritmética
La robustez de una medida estadística se refiere a su capacidad de permanecer relativamente constante cuando se enfrenta a variaciones o alteraciones en los datos, especialmente a los llamados outliers o valores extremos. En este sentido, se considera que la mediana es más robusta que la media aritmética.
Para ilustrar esto, consideremos un conjunto de datos que refleja las alturas de cinco estudiantes: 150 cm, 160 cm, 170 cm, 175 cm y 250 cm (donde 250 cm es claramente un outlier, improbable en este contexto). En este caso, calculamos la media y la mediana antes de cambiar las alturas:
- Suma: 150 + 160 + 170 + 175 + 250 = 905.
- Media = 905 / 5 = 181 cm.
Ahora, calculamos la mediana en el mismo conjunto:
- Alturas ordenadas: 150, 160, 170, 175, 250.
- Mediana = 170 cm (tercera altura en orden).
Observamos que la media se ve fuertemente influenciada por el valor extremo de 250 cm, resultando en un promedio de 181 cm, que podría dar una impresión falsa sobre la altura general del grupo. La mediana, al ser 170 cm, proporciona una representación más fiel de lo que la mayoría de los datos refleja.
Así, la mediana se muestra como una medida más representativa en este caso, y es por esta razón que en situaciones donde hay valores extremos, la mediana se prefiere a la media aritmética.
Ejemplos prácticos que ilustran la sensibilidad de la media a outliers
La sensibilidad de la media aritmética ante los outliers se puede apreciar en varios escenarios. Usando el ejemplo anterior, supongamos que en lugar de incluir un outlier, simplemente se incrementa el último valor normal: 150 cm, 160 cm, 170 cm, 175 cm y 180 cm.
- Suma: 150 + 160 + 170 + 175 + 180 = 835.
- Media = 835 / 5 = 167 cm.
Comparando este resultado con los escenarios previos, podemos notar que introduciendo o eliminando valores extremos puede mover de manera significativa el promedio. Al observar las alturas de estos estudiantes en un contexto de análisis, la media puede dar una percepción incorrecta de la tendencia general de la altura, especialmente en comparación con una representación que se basa en la mediana.
Conclusiones sobre la elección entre mediana y promedio
Entender las diferencias entre mediana y media aritmética es crucial para la interpretación adecuada de datos estadísticos. Mientras que el promedio puede ser útil en una gran variedad de contextos, es especialmente vulnerable a los outliers. La mediana, al ser menos susceptible a estos extremos, ofrece una alternativa más robusta en situaciones donde los valores extremos pueden distorsionar la percepción de un conjunto de datos.
Elegir entre usar la media o la mediana depende del tipo de datos y del contexto de análisis. Para situaciones que presentan extrema variabilidad o la presencia de outliers, la mediana es típicamente más apropiada. Sin embargo, para datos que son más homogéneos, la media puede proporcionar una visión general más completa.
Referencias y recursos adicionales para profundizar en la estadística
Conocer y dominar estos conceptos fundamentales proporciona no solo una mejor comprensión de estadísticas cotidianas, sino que también permite a las personas tomar decisiones informadas basadas en datos.
Tanto la mediana como el promedio tienen su lugar en el análisis de datos, y saber cuándo usar cada uno puede hacer una gran diferencia en la interpretación de los resultados obtenidos.
