1Media, mediana y moda
| Medida | Definición | Se aplica a |
|---|---|---|
| Media aritmética | Suma de todos los valores dividida por el número de observaciones | Variables cuantitativas de intervalo o razón |
| Mediana | Valor que ocupa la posición central cuando los datos están ordenados de menor a mayor (o el promedio de los dos centrales, si el número de datos es par) | Variables cuantitativas y ordinales |
| Moda | Valor o categoría que aparece con mayor frecuencia | Cualquier tipo de variable, incluida la nominal — es la única medida de tendencia central válida para datos nominales |
Una distribución puede ser unimodal (una sola moda), bimodal (dos modas) o multimodal, y también puede no tener ninguna moda clara si todos los valores son igual de frecuentes.
2Sensibilidad a los valores atípicos
La diferencia práctica más importante entre estas tres medidas es su comportamiento frente a valores atípicos (outliers): la media aritmética utiliza el valor exacto de cada observación en su cálculo, por lo que un único valor extremo puede desplazarla considerablemente; la mediana, en cambio, solo depende de la posición relativa de los datos ordenados, no de su magnitud exacta, y por eso es robusta frente a valores extremos.
| Ejemplo | Datos | Media | Mediana |
|---|---|---|---|
| Días de internación de 5 pacientes | 3, 4, 4, 5, 60 (un paciente con complicación grave) | 15,2 días | 4 días |
En este ejemplo, la mediana (4 días) representa mucho mejor la experiencia típica de la mayoría de los pacientes que la media (15,2 días), que queda completamente distorsionada por un único caso extremo. Esta es la razón por la cual variables biomédicas con distribuciones habitualmente asimétricas —costos de tratamiento, tiempos de espera, ciertos parámetros de laboratorio— suelen reportarse con mediana y rango intercuartílico (capítulo I.4) en lugar de media y desvío estándar.
¿Por qué un estudio que reporta solo la media, sin aclarar la forma de la distribución, puede inducir a una conclusión clínica errónea? Porque la media, presentada aislada, invita a asumir implícitamente que los datos se distribuyen de forma simétrica alrededor de ese valor —que "la mayoría" de los casos están cerca de la media—, cuando en realidad puede estar siendo arrastrada por una minoría de valores extremos, como en el ejemplo de internación. Un lector que ve "estadía media de 15 días" podría planificar recursos hospitalarios asumiendo que ese es el escenario típico, cuando en realidad la experiencia típica (mediana) es de solo 4 días y el promedio está inflado por casos excepcionales. Por eso las guías de reporte de estudios clínicos exigen indicar, junto con la medida de tendencia central elegida, la medida de dispersión correspondiente y —idealmente— la forma general de la distribución, precisamente para que el lector no infiera erróneamente homogeneidad donde hay asimetría.
3Relación entre las tres medidas y la forma de la distribución
Retomando la forma de la distribución vista en el capítulo I.2: en una distribución simétrica, media, mediana y moda coinciden aproximadamente en el mismo punto. En una distribución con sesgo positivo (cola larga a la derecha), el orden típico es moda < mediana < media —la media es "arrastrada" hacia la cola—; en sesgo negativo, el orden se invierte. Reconocer este patrón permite, incluso sin ver el histograma, inferir la forma aproximada de la distribución con solo comparar las tres medidas reportadas en un estudio.
4Trampas de examen
| Trampa | Por qué confunde | Aclaración |
|---|---|---|
| Calcular la media de una variable ordinal (ej. estadio tumoral codificado I=1, II=2, III=3, IV=4) | Los datos ya están codificados como números | Como se vio en el capítulo I.1, las escalas ordinales no garantizan distancias iguales entre categorías — la mediana es la medida de tendencia central apropiada, no la media |
| Asumir que la mediana "ignora" parte de los datos | Parece usar menos información que la media, que "suma todo" | La mediana sí utiliza toda la muestra para determinar el orden y la posición central — lo que no usa es la magnitud exacta de cada valor, que es precisamente lo que la hace robusta frente a atípicos |
5Puntos clave
- Media (usa magnitudes exactas, sensible a atípicos), mediana (posición central, robusta), moda (más frecuente, única válida para nominales).
- Ante valores atípicos o distribuciones asimétricas, la mediana representa mejor al "dato típico" que la media.
- El orden relativo entre moda, mediana y media permite inferir la forma (simétrica, sesgo positivo/negativo) de una distribución.
- Reportar una medida de tendencia central sin su medida de dispersión correspondiente puede inducir a interpretaciones clínicas erróneas.