Calculadora de media, mediana y moda

Las medidas de tendencia central

Analizar tablas y gráficos de datos estadísticos puede resultar complejo a simple vista. Por ello, a menudo necesitamos resumir los conjuntos de datos e identificar sus características principales para extraer información útil y tomar decisiones basadas en números.

En estadística, se utilizan diferentes métricas para resumir la información. Algunas describen el punto medio o típico de los datos y se conocen como medidas de tendencia central. Otras indican qué tan agrupados o separados están los valores, conocidas como medidas de dispersión. También existen las medidas de posición, que revelan la proporción de datos que se encuentra por debajo de un valor específico.

El objetivo principal de esta completa calculadora estadística es determinar las medidas de tendencia central (la media y la mediana), las cuales representan el valor típico o central dentro de un conjunto de datos. Como propósito secundario, esta herramienta también funciona como una calculadora de medidas de dispersión, ayudándote a determinar el grado de variación en tus datos al calcular el rango, los cuartiles y el rango intercuartil.

Calculadora de media

La media (o promedio) es la suma de todos los valores dividida por el número total de observaciones. Para calcular la media de una muestra de forma sencilla, utilizamos la siguiente fórmula estadística:

$$\bar{x}=\frac{x₁+x₂+x₃+\ldots+x_n}{n}=\frac{\sum_{}^{}x}{n}$$

Por otro lado, la fórmula para calcular el promedio de una población completa es:

$$\mu=\frac{x₁+x₂+x₃+\ldots+x_n}{N}=\frac{\sum_{}^{}x}{N}$$

En estas ecuaciones, el numerador representa la suma total de los valores en el conjunto de datos, mientras que el denominador indica el número total de elementos.

La característica principal de la media aritmética es que toma en cuenta todos y cada uno de los puntos de datos presentes en el conjunto.

Sin embargo, su principal limitación es que resulta muy sensible a los valores extremos (números inusualmente grandes o pequeños). Estos valores se conocen en estadística como valores atípicos (outliers) y pueden distorsionar significativamente el promedio final.

Es fundamental tener en cuenta que el valor promedio no siempre representa el "valor típico" de los datos. De hecho, la media puede ser un número que ni siquiera está presente en el conjunto original.

Promedio para la muestra y la población

La población estadística está formada por el conjunto completo de elementos sobre los que se desea obtener información. En cambio, una muestra es un subgrupo representativo extraído de dicha población.

El método matemático para calcular el valor medio es idéntico tanto para muestras como para poblaciones; lo único que cambia es la nomenclatura utilizada.

Si x₁, x₂,..., x_n conforman una muestra, a su promedio se le llama media muestral y se representa con el símbolo x̄.

Cuando calculamos el promedio de toda la población, lo denominamos media poblacional y se denota con la letra griega 𝜇 (mu).

Recuerde que en estadística siempre usamos la letra minúscula n para indicar el tamaño de la muestra, y la letra mayúscula N para representar el tamaño total de la población.

Ejemplo de cálculo de la media

Veamos el siguiente caso práctico: Luigi es un chef experto y un apasionado de la pizza que ha decidido abrir su propia pizzería en la paradisíaca isla de Bali. Para convencer a un inversor, necesita redactar un plan de negocios sólido. Con el fin de proyectar su desempeño financiero futuro, necesita determinar cuál es el costo promedio de una pizza en diferentes restaurantes locales.

Luigi investigó el precio de la pizza Margherita en diversos locales de Bali y recopiló un conjunto de datos. Para facilitar el cálculo, eliminaremos los últimos tres ceros, expresando las cifras en miles (es decir, el número 60 en nuestros cálculos equivaldrá a 60.000 rupias indonesias).

60, 60, 84, 45, 59, 70, 42, 59, 53, 70, 69, 70, 120, 160, 95, 50, 75, 55, 72, 70

Como Luigi no visitó absolutamente todas las pizzerías de la isla, sino que seleccionó 20 locales al azar, estamos trabajando con una muestra.

Calculemos el valor medio para este conjunto de datos aplicando nuestra fórmula:

$$\bar{x}=\frac{x₁+x₂+x₃+\ldots+x_n}{n}=\frac{\sum_{}^{}x}{n}$$

El resultado que obtenemos es x̄ = 71,9.

La investigación de Luigi revela que 71.900 rupias indonesias es el precio promedio de una pizza Margherita en Bali. Con este dato clave, ahora puede fundamentar los cálculos de su plan de negocios.

Calculadora de mediana

La mediana es una medida de posición que representa el valor central de un conjunto de datos previamente ordenado de menor a mayor (o viceversa).

Al utilizar una calculadora de mediana, lo que buscamos es encontrar el número exacto que divide el conjunto de datos en dos mitades iguales. Exactamente el 50% de los valores serán menores que la mediana, y el otro 50% serán mayores. Por esta razón, cuando calculamos la mediana manualmente, el primer paso obligatorio es ordenar los datos.

El método para calcular la mediana varía dependiendo de si la cantidad total de observaciones en el conjunto es un número par o impar.

Si el número total de elementos (n) es impar, se aplica la siguiente fórmula:

$$Mediana=(\frac{n+1}{2})\ elemento$$

En cambio, si la cantidad de elementos (n) es un número par, se debe usar la siguiente fórmula para encontrar el promedio de los dos valores centrales:

$$Mediana=\frac{\left[(\frac{n}{2})\ elemento+(\frac{n}{2}+1)\ elemento\right]}{2}$$

La gran ventaja de utilizar la mediana es su robustez: se ve mucho menos afectada por valores atípicos o extremos que la media aritmética.

Ejemplo de cálculo de la mediana

Tomemos nuevamente nuestro conjunto de veinte valores:

60, 60, 84, 45, 59, 70, 42, 59, 53, 70, 69, 70, 120, 160, 95, 50, 75, 55, 72, 70

Podemos calcular la mediana siguiendo estos pasos:

1. Ordenamos el conjunto de datos de forma ascendente. El orden correcto es el siguiente:

42, 45, 50, 53, 55, 59, 59, 60, 60, 69, 70, 70, 70, 70, 72, 75, 84, 95, 120, 160

2. Determinamos la cantidad de valores en nuestro conjunto. En este caso, n = 20.

Dado que 20 es un número par, no existe un único valor central. Debemos encontrar la media aritmética de los dos valores ubicados justo en el medio (los sumamos y dividimos entre 2).

Los valores centrales de nuestra muestra ordenada son el 69 y el 70. Por lo tanto, calculamos la mediana así:

$$Mediana = \frac{69 + 70}{2} = 69,5$$

Si Luigi hubiera recolectado un conjunto de 21 valores (un número impar), por ejemplo añadiendo un 90:

60, 60, 84, 45, 59, 70, 42, 59, 53, 70, 69, 70, 120, 160, 95, 50, 75, 90, 55, 72, 70

El conjunto ordenado quedaría de esta manera:

42, 45, 50, 53, 55, 59, 59, 60, 60, 69, 70, 70, 70, 70, 72, 75, 84, 90, 95, 120, 160

En este caso, simplemente seleccionaría el valor ubicado exactamente en el centro (la posición número 11), que es el 70.

La diferencia entre la media y la mediana

Tanto la media como la mediana son herramientas estadísticas fundamentales para medir la tendencia central, pero es crucial comprender sus diferencias prácticas.

La principal diferencia radica en que el cálculo de la media toma en cuenta todos los valores del conjunto de datos. Por el contrario, el cálculo de la mediana depende exclusivamente del valor o los dos valores situados en la posición central.

Esta distinción es vital cuando analizamos conjuntos de datos que contienen números inusualmente altos o bajos, conocidos como valores atípicos. En la mayoría de los escenarios, los valores atípicos arrastrarán drásticamente la media hacia ellos, pero tendrán un impacto casi nulo sobre la mediana.

En el ámbito estadístico, decimos que una métrica es "robusta" o "resistente" cuando su resultado no se ve gravemente alterado por valores extremos. En conclusión: la mediana es una medida robusta, mientras que la media no lo es.

Ambas miden el centro de los datos, pero desde perspectivas diferentes. La media representa el punto de equilibrio o "centro de gravedad" de los datos. La mediana es el punto que divide físicamente los datos al 50%. En un conjunto de datos perfectamente simétrico, la media y la mediana serán exactamente iguales; sin embargo, en la vida real, rara vez lo son.

Cuando la media y la mediana difieren, decimos que la distribución de los datos presenta un sesgo (o asimetría).

Si la media es menor que la mediana (se ubica a su izquierda en un gráfico), decimos que los datos están sesgados a la izquierda o tienen asimetría negativa. Si la media es mayor que la mediana (se ubica a su derecha), indicamos que el conjunto está sesgado a la derecha o tiene asimetría positiva.

Ninguna de estas dos medidas es inherentemente "mejor" que la otra. Simplemente cumplen roles distintos. Los analistas de datos suelen preferir la mediana cuando analizan salarios, precios de viviendas o conjuntos altamente sesgados, ya que ofrece una imagen más fiel de lo que sería un "valor típico".

Calculadora de moda

La moda estadística es el valor que aparece con mayor frecuencia dentro de un conjunto de datos. Dicho de otro modo, es el elemento que más se repite.

Dependiendo de cómo se comporten los datos, podemos encontrar diferentes escenarios:

• Unimodal: El conjunto tiene una única moda clara que se repite más que el resto.
• Bimodal: Existen dos valores distintos que comparten la frecuencia máxima más alta.
• Multimodal: Existen más de dos valores que empatan con la frecuencia más alta.
• Sin moda (amodal): Si ningún número se repite y todos aparecen una sola vez, el conjunto carece de moda. ¡Atención! Es un error común decir que "la moda es cero" en estos casos, ya que el cero podría ser un dato válido (por ejemplo, en mediciones de temperatura).

La principal ventaja de la moda es su extrema facilidad de cálculo y su total inmunidad ante valores atípicos. Su mayor desventaja es que, como mencionamos, algunos conjuntos de datos simplemente no poseen moda, o tienen tantas que deja de ser una métrica útil.

Ejemplo de cálculo de moda

Volviendo a nuestro conjunto original de veinte valores:

60, 60, 84, 45, 59, 70, 42, 59, 53, 70, 69, 70, 120, 160, 95, 50, 75, 55, 72, 70

Para encontrar la moda con facilidad, organizamos el conjunto en orden ascendente:

42, 45, 50, 53, 55, 59, 59, 60, 60, 69, 70, 70, 70, 70, 72, 75, 84, 95, 120, 160

A continuación, buscamos el valor que se repite el mayor número de veces. Rápidamente notamos que el número 70 aparece cuatro veces. Por lo tanto, el valor modal de este conjunto de datos es 70.

Aunque la moda está catalogada como una medida de tendencia central, esta clasificación no siempre refleja la realidad geométrica de los datos. La moda bien podría ser el valor más alto o más bajo de toda la muestra. Por ejemplo, analicemos estos datos:

42, 45, 50, 53, 55, 57, 59, 60, 63, 69, 70, 72, 79, 82, 83, 95, 96, 120, 120, 120

Aquí, la moda es 120. Claramente, en este contexto, el 120 no representa ninguna "tendencia central".

Un detalle interesante y muy útil de la moda es que es la única medida de tendencia central que se puede aplicar a datos cualitativos (categorías, palabras), mientras que la media y la mediana son exclusivas para datos cuantitativos (números).

Por ejemplo, supongamos que Anna come pizza unas 12 veces al mes y este es su historial:

• 3 veces una pizza napoletana,
• 3 veces una pizza Margherita,
• 2 veces una pizza Calzone,
• 1 salchichón,
• 1 marinara,
• 1 Cuatro Quesos,
• 1 Caprese.

Dado que tanto la pizza napoletana como la Margherita empatan como las opciones más consumidas, este conjunto es bimodal, teniendo a ambas especialidades como sus modas.

Medidas de dispersión

Las medidas de dispersión nos permiten analizar la variabilidad o "margen de movimiento" que existe dentro de un conjunto de datos. Básicamente, nos muestran qué tan esparcidos o concentrados están los números alrededor del valor central. Las herramientas más comunes para calcular esta varianza son el rango, los cuartiles y el rango intercuartil.

Calculadora de rango

El rango es la métrica de dispersión más básica. Representa la diferencia absoluta entre el valor máximo y el valor mínimo del conjunto de datos. La fórmula matemática es sumamente sencilla:

$$Rango = valor\ mayor - valor\ menor$$

Ejemplo de cálculo de rango

Siguiendo con el caso de los precios de las pizzas:

60, 60, 84, 45, 59, 70, 42, 59, 53, 70, 69, 70, 120, 160, 95, 50, 75, 55, 72, 70

Primero, ordenamos los datos de menor a mayor:

42, 45, 50, 53, 55, 59, 59, 60, 60, 69, 70, 70, 70, 70, 72, 75, 84, 95, 120, 160

Identificamos que el valor más alto es 160 y el más bajo es 42. Aplicamos la fórmula:

$$Rango = valor\ mayor - valor\ menor = 160 - 42 = 118$$

El rango total para los precios investigados por Luigi es de 118 (o 118.000 rupias).

Calculadora de cuartiles

Los cuartiles son valores de posición que fraccionan un conjunto de datos ordenados en cuatro partes o "cuartos" iguales. Estas tres barreras divisorias se conocen como el primer, segundo y tercer cuartil.

• El primer cuartil (Q₁): Marca el límite del 25% inferior de los datos. Es decir, el 25% de los valores son menores a Q₁, y el 75% restante son mayores.
• El segundo cuartil (Q₂): Es exactamente igual a la mediana. Divide la muestra en 50% inferior y 50% superior.
• El tercer cuartil (Q₃): Marca el límite del 75% inferior. Significa que el 75% de los valores son menores a este punto, y solo el 25% de los datos son mayores a Q₃.

Cálculo de cuartiles

A continuación, detallamos el procedimiento paso a paso para calcular cuartiles de forma manual:

1. Organice todos los datos en estricto orden ascendente.
2. Para calcular el segundo cuartil (Q₂), simplemente determine la mediana del conjunto.
3. Para encontrar el primer y tercer cuartil, primero establezca el valor de n (la cantidad total de datos).
4. Para ubicar la posición del primer cuartil, calcule L = 0,25n. Para la posición del tercer cuartil, calcule L = 0,75n.
5. Si el resultado de L es un número entero, el valor del cuartil se obtiene promediando el número ubicado en la posición L y el número de la posición L + 1.
6. Si L resulta ser un número decimal, redondéelo hacia arriba al siguiente número entero. El valor del cuartil será el número ubicado exactamente en esa posición dentro de la lista ordenada.

Un ejemplo de cálculo de cuartiles

Vamos a aplicar esta técnica a nuestra muestra de veinte precios:

60, 60, 84, 45, 59, 70, 42, 59, 53, 70, 69, 70, 120, 160, 95, 50, 75, 55, 72, 70

Calculamos los cuartiles paso a paso:

1. Ordenamos el conjunto ascendentemente:

42, 45, 50, 53, 55, 59, 59, 60, 60, 69, 70, 70, 70, 70, 72, 75, 84, 95, 120, 160

2. Gracias a nuestros cálculos previos, sabemos que el Q₂ (la mediana) es Mediana = 70.

3. Calculamos las posiciones (L): Para el primer cuartil (Q₁): 0,25 × 20 = 5. Para el tercer cuartil (Q₃): 0.75 × 20 = 15.

4. Como 5 es un número entero, buscamos los valores en las posiciones 5 y 6 (que son 55 y 59) y los promediamos:

$$Q₁ = \frac{55+59}{2} = 57$$

5. Como 15 también es un número entero, promediamos los valores de las posiciones 15 y 16 (que son 72 y 75):

$$Q₃ = \frac{72+75}{2} = 73,5$$

Concluimos que, para este mercado de pizzas, el primer cuartil es 57, el segundo es 70 y el tercer cuartil se sitúa en 73,5.

Calculadora de rango intercuartil

El rango intercuartil, comúnmente abreviado como IQR por sus siglas en inglés (Interquartile Range), es la diferencia absoluta entre el tercer cuartil (Q₃) y el primer cuartil (Q₁). Esta métrica es sumamente valiosa para medir la dispersión del 50% central de los datos, eliminando la distorsión que causan los valores extremos. La fórmula es:

IQR = Q₃ - Q₁

Ejemplo de cálculo de IQR

Basándonos en la sección anterior, ya contamos con los valores del primer y tercer cuartil (57 y 73,5 respectivamente). Solo nos queda aplicar la fórmula de sustracción:

IQR = Q₃ - Q₁ = 73,5 - 57 = 16,5

El rango intercuartil para nuestra investigación de mercado es de 16,5.

Resultados

Al someter la mini-encuesta de precios de Luigi a un análisis estadístico completo, podemos extraer valiosas conclusiones para su negocio.

Al observar los datos, notamos que la media (71,9) y la mediana (69,5) no coinciden exactamente, lo que indica que existe una ligera asimetría en el mercado, impulsada por algunas pizzerías de precios muy elevados. No obstante, al no ser una discrepancia masiva, tanto la media como la mediana son buenas referencias de tendencia central.

Si Luigi decidiera posicionar su restaurante cobrando el "precio promedio" de la isla, tendría que fijar tarifas en torno a 71.900 IDR o 69.500 IDR. Sin embargo, a nivel comercial, esos números pueden resultar poco atractivos en un menú. Es aquí donde brilla la moda: el precio más frecuente de la pizza Margherita en Bali resulta ser unos redondos 70.000 IDR, que además se encuentra justo entre la media y la mediana. ¡Un precio perfecto y competitivo para sus cálculos iniciales!

Si, en el futuro, Luigi desea abrir un local enfocado en clientes con un presupuesto más ajustado (formato low cost), nuestro análisis de cuartiles le indica que debería fijar un precio cercano al primer cuartil (Q₁), es decir, en torno a los 57.000 IDR. Por el contrario, fijar precios basándose exclusivamente en el tercer cuartil (Q₃) para atacar el mercado premium no sería lo más recomendable en este escenario particular, ya que los datos superiores muestran mucha dispersión y el Q₃ resultaría poco representativo de lo que un cliente exclusivo estaría realmente dispuesto a pagar de máximo.