La estadística es una ciencia presente en numerosas áreas del conocimiento porque permite organizar, resumir e interpretar datos para describir comportamientos y reconocer tendencias. Entre sus herramientas se encuentran distintos indicadores capaces de sintetizar una distribución y facilitar la comparación entre muestras o poblaciones, siempre teniendo en cuenta el tipo de variable y el objetivo del análisis.
Las medidas de tendencia central y dispersión cumplen funciones complementarias: las primeras identifican valores representativos y las segundas muestran cuánto varían o se separan los datos. Comprender la media, la mediana, la moda, el rango, la varianza y la desviación estándar permite interpretar datos agrupados y no agrupados y aplicar cada medida con mayor criterio.
¡Clave! Las medidas de tendencia central indican dónde se sitúa el centro o valor representativo de los datos, mientras que las medidas de dispersión muestran cuánto varían o se separan esos valores. Interpretarlas de forma conjunta permite saber no solo cuál es el valor típico de una distribución, sino también si los datos están muy concentrados o presentan una variabilidad elevada.
- Una medida central no explica por sí sola cómo se distribuyen los datos. Dos conjuntos pueden compartir la misma media y presentar una variabilidad muy distinta, por lo que conviene interpretar conjuntamente tendencia central y dispersión.
- Media, mediana y moda no son intercambiables. La elección depende del tipo de datos, su distribución y la presencia de valores extremos; el valor más representativo no siempre será la media.
- El modo de presentar los datos condiciona el cálculo. Con datos no agrupados se trabaja directamente con las observaciones, mientras que las tablas de frecuencias e intervalos requieren adaptar las fórmulas y, en algunos casos, obtener estimaciones.
¿Qué son las medidas de tendencia central?
Son medidas estadísticas que permiten describir el centro de una distribución o población estadística. Es decir, aportan valores representativos que resumen en torno a qué valores se concentran los datos ordenados o analizados. Las medidas de tendencia central que se utilizan con mayor frecuencia son la media, la mediana y la moda.
Cabe mencionar que, cuando se hace referencia a la posición que ocupan determinados valores dentro de la distribución, se habla de medidas de posición. En este grupo pueden incluirse los cuantiles, como los cuartiles, deciles y percentiles. También debe considerarse que existen diferentes tipos de variables, como las cualitativas y las cuantitativas, por lo que no todas las medidas de centralización o posición resultan adecuadas en los mismos casos.
Entre las medidas de tendencia central más conocidas se encuentran:
- Media aritmética.
- Media geométrica.
- Media armónica.
- Media ponderada.
- Moda.
- Mediana.
Estas medidas no son equivalentes entre sí. La media utiliza todos los valores y puede verse afectada por observaciones extremas; la mediana depende de la posición de los datos ordenados y suele ser útil en distribuciones asimétricas; la moda identifica el valor o categoría con mayor frecuencia y puede emplearse incluso con determinadas variables cualitativas.
¿Qué son las medidas de dispersión?
Las medidas de dispersión constituyen otro tipo de medida estadística y, a diferencia de las medidas de tendencia central, indican cuánto varían los valores de una variable respecto de un punto de referencia o entre sí. Dicho de otra manera, permiten conocer si los datos están muy concentrados o muy separados dentro de una distribución.
Una medida de dispersión estadística suele expresarse mediante un valor no negativo. En medidas como el rango, la desviación media o la desviación estándar, el resultado es cero cuando todos los datos son iguales y tiende a aumentar conforme crece la variabilidad del conjunto.
No todas las medidas de dispersión conservan las mismas unidades que los datos originales. El rango, la desviación media, la desviación estándar y la desviación absoluta mediana sí se expresan en las unidades de la variable; la varianza se expresa en unidades al cuadrado, mientras que el coeficiente de variación es una medida relativa y no tiene unidades.
- Un valor estadístico aislado puede ofrecer una visión incompleta. Una media aparentemente representativa puede ocultar valores extremos o una dispersión elevada, por lo que conviene revisar también la distribución de los datos y el contexto del análisis.
Entre las medidas de dispersión más utilizadas se encuentran:
- Rango: diferencia entre el valor máximo y el mínimo.
- Rango intercuartil (IQR): diferencia entre el tercer y el primer cuartil.
- Varianza: promedio de las desviaciones cuadráticas respecto de la media, con el ajuste correspondiente según se trabaje con población o muestra.
- Desviación estándar: raíz cuadrada de la varianza; indica la dispersión de los datos respecto de la media.
- Desviación absoluta mediana (MAD): medida robusta basada en las desviaciones absolutas respecto de la mediana.
- Desviación media absoluta o desviación media.
- Coeficiente de variación: relación entre la desviación estándar y la media, útil para comparar variabilidad relativa cuando su aplicación es adecuada.
- Desviación estándar de distancia, utilizada en contextos estadísticos específicos.
- Diferencia absoluta media de Gini.
La elección depende del tipo de datos y del propósito del análisis. Por ejemplo, si existen valores extremos, una medida robusta como el rango intercuartil o la desviación absoluta mediana puede describir mejor la variabilidad que otras medidas más sensibles.
Diferencia entre medidas de tendencia central y medidas de dispersión
La diferencia principal está en la pregunta que responde cada grupo. Las medidas de tendencia central buscan un valor representativo del conjunto; las medidas de dispersión cuantifican hasta qué punto los datos se alejan entre sí o respecto de un valor central. Por eso, una interpretación completa suele combinar ambos tipos de medidas.
Aquí te dejamos una tabla resumen que puede ayudarte a comprender la diferencia entre las medidas de tendencia central y las medidas de dispersión:
| Aspecto | Medidas de tendencia central | Medidas de dispersión |
|---|---|---|
| ¿Qué describen? | El centro o valor representativo de los datos. | La variabilidad o separación entre los datos. |
| Ejemplos habituales | Media, mediana y moda. | Rango, varianza y desviación estándar. |
| ¿Cómo se interpretan? | Indican en torno a qué valor se concentra la distribución. | Indican si los datos están más concentrados o más dispersos. |
| Uso conjunto | Permiten describir el valor central y comprobar si ese valor representa un conjunto homogéneo o muy variable. | |
Medidas de tendencia central y dispersión en datos no agrupados
Al hablar de medidas de tendencia central y dispersión, ambos tipos se utilizan en conjunto para describir un conjunto de datos y comprender tanto su posición como su variabilidad. Los datos pueden presentarse de forma individual o resumirse mediante frecuencias y clases. Cuando cada observación conserva su valor original y no se organiza en intervalos, se trabaja con datos no agrupados o datos sin agrupar.
Las medidas de tendencia central para datos no agrupados resumen la información mediante valores representativos, principalmente la media, la mediana y la moda. A diferencia de las medidas de posición no central, como cuartiles, deciles y percentiles, no buscan localizar distintos puntos relativos de la distribución, sino describir su centro o valor más representativo según el caso.
En los datos no agrupados, conviene distinguir entre las medidas que describen el centro de la distribución y las que expresan su variabilidad:
Medidas de tendencia central
Promedio o media
La medida de tendencia central más conocida y utilizada es la media aritmética o promedio aritmético. Se representa habitualmente con la letra griega «μ» cuando se trata de la media de una población y con «x̄» cuando se calcula la media de una muestra.
Para datos no agrupados, se obtiene al sumar todos los valores y dividir el resultado entre el número total de observaciones: x̄ = Σx / n. Por ejemplo, para el conjunto {3, 5, 7, 12, 23, 28, 31}, la suma es 109 y hay 7 datos, por lo que la media es 109 / 7 = 15,57 aproximadamente.
Mediana
Este es el valor de la variable que ocupa la posición central cuando los datos se ordenan por magnitud: el 50 % de las observaciones tiene valores iguales o inferiores a la mediana y el otro 50 %, valores iguales o superiores.
Si el número de observaciones es impar, la mediana corresponde al valor situado en la posición central. Si es par, se calcula la media de los dos valores centrales. Por ejemplo, en {3, 5, 7, 12, 23, 28}, los valores centrales son 7 y 12, de modo que la mediana es (7 + 12) / 2 = 9,5.
Moda
En términos sencillos, la moda es el valor de la variable que más se repite. Un conjunto puede ser unimodal, bimodal o multimodal si uno, dos o varios valores comparten la frecuencia máxima; también puede no existir una moda única cuando ningún valor aparece con mayor frecuencia que los demás.
Por ejemplo, en {4, 5, 8, 8, 7, 6, 8}, la moda es 8 porque aparece tres veces.
Medidas de dispersión
Estas medidas aportan información acerca de los cambios en las variables y pretenden resumir en un solo valor la dispersión de un conjunto de datos. Entre las más utilizadas se encuentran el rango de variación, la varianza, la desviación estándar, la desviación media y el coeficiente de variación.
En datos no agrupados, el rango se obtiene restando el mínimo al máximo. La varianza y la desviación estándar consideran todas las observaciones y su distancia respecto de la media; la desviación media trabaja con diferencias absolutas. Estas medidas permiten distinguir conjuntos que pueden tener una media semejante, pero niveles de variabilidad muy diferentes.
Fórmulas básicas para datos no agrupados
- Antes de calcular la varianza o la desviación estándar, hay que identificar si los datos representan una población completa o una muestra. La fórmula y el divisor empleado no son los mismos en ambos casos.
Medidas de tendencia central y dispersión en datos agrupados
Se denominan agrupados los datos organizados en una distribución de frecuencias. Las medidas de tendencia central para datos agrupados se calculan a partir de esta información resumida. Los datos pueden aparecer como valores concretos acompañados de su frecuencia o como intervalos de clase cuando el volumen de observaciones hace conveniente resumir la información. En este contexto, las fórmulas de cálculo se adaptan para incorporar las frecuencias y, si hay intervalos, las marcas de clase.
Para interpretar estas tablas, la frecuencia absoluta (fi) indica cuántas veces aparece un valor o una clase; la frecuencia relativa expresa la proporción que representa respecto del total; y la frecuencia acumulada (Fi) suma las frecuencias absolutas hasta un valor o clase determinados. Estas cantidades permiten interpretar la tabla y localizar, cuando corresponde, las posiciones necesarias para calcular medidas como la mediana.
Media, mediana y moda con frecuencias
- Media aritmética. Si cada valor xi tiene una frecuencia fi, la media se calcula como x̄ = Σ(xi · fi) / N, donde N es la suma de las frecuencias. Cuando los datos están agrupados en intervalos, suele emplearse la marca de clase mi como valor representativo y se calcula x̄ ≈ Σ(mi · fi) / N.
- Mediana. En una tabla de valores con frecuencias, la frecuencia acumulada permite localizar la observación central. Si los datos están agrupados en intervalos, primero se identifica la clase mediana, es decir, aquella cuya frecuencia acumulada contiene la posición N/2. Una estimación habitual es Me = Li + [(N/2 − Fi−1) / fi] · ai, donde Li es el límite inferior de la clase mediana, Fi−1 la frecuencia acumulada anterior, fi la frecuencia de la clase y ai su amplitud.
- Moda. En una tabla de valores, la moda es el valor con mayor frecuencia absoluta. En intervalos, la clase modal es la de mayor frecuencia y puede estimarse mediante Mo = Li + [d1 / (d1 + d2)] · ai, donde d1 es la diferencia entre la frecuencia de la clase modal y la anterior, y d2 la diferencia entre la frecuencia modal y la posterior.
Estas expresiones son estimaciones cuando se trabaja con intervalos, porque la agrupación hace que se pierda el detalle exacto de cada observación. Por eso conviene distinguir entre el valor calculado con datos originales y el obtenido a partir de una tabla agrupada.
Ejemplo resuelto de medidas de tendencia central y dispersión
Un ejercicio sencillo permite ver cómo se complementan las distintas medidas. Supongamos el conjunto de datos {2, 4, 4, 5, 5, 5, 7, 8}.
- Media: la suma de los ocho valores es 40, por lo que x̄ = 40 / 8 = 5.
- Mediana: los datos ya están ordenados y los dos valores centrales son 5 y 5; por tanto, la mediana es 5.
- Moda: el valor 5 aparece tres veces y es el más frecuente, de modo que la moda es 5.
- Rango: se resta el mínimo al máximo: 8 − 2 = 6.
- Varianza poblacional: la suma de las desviaciones cuadráticas respecto de la media es 24; al dividir entre 8, la varianza es 3.
- Desviación estándar poblacional: es la raíz cuadrada de 3, aproximadamente 1,73.
En este ejemplo, media, mediana y moda coinciden en 5, por lo que el centro del conjunto está bien definido. El rango de 6 y la desviación estándar aproximada de 1,73 añaden la información sobre cuánto se separan los datos de ese centro.
Medidas de tendencia central y dispersión en Excel
Con la llegada de la tecnología se han incorporado numerosas facilidades al trabajo estadístico. La hoja de cálculo de Excel permite automatizar operaciones, organizar grandes volúmenes de datos y representar resultados en gráficos. Esta herramienta reduce el trabajo manual cuando se manejan muchas cifras, aunque sigue siendo necesario seleccionar la medida adecuada e interpretar correctamente el resultado.
Si los valores se encuentran, por ejemplo, en el rango A2:A9, Excel permite calcular varias medidas con funciones directas:
- Media:
=PROMEDIO(A2:A9) - Mediana:
=MEDIANA(A2:A9) - Moda:
=MODA.UNO(A2:A9) - Varianza de una muestra:
=VAR.S(A2:A9); para una población completa,=VAR.P(A2:A9) - Desviación estándar de una muestra:
=DESVEST.M(A2:A9); para una población completa,=DESVEST.P(A2:A9)
Antes de elegir entre las funciones de muestra y población, conviene identificar qué representan los datos analizados. La hoja de cálculo automatiza la operación, pero la interpretación estadística depende de seleccionar la función adecuada.
Es importante que toda persona dedicada a la investigación maneje conceptos básicos de estadística, como las medidas de tendencia central y dispersión, ya que permiten organizar los datos recopilados en pruebas de campo, describir sus principales características y formular conclusiones o hipótesis mejor sustentadas en la evidencia disponible.
Importancia de la estadística en la vida de las personas
La estadística es una práctica fundamental para conocer el comportamiento de numerosos fenómenos y desempeña un papel clave en los procesos de investigación de distintos campos del conocimiento. Entre sus principales utilidades se encuentran comunicar información basada en datos cuantitativos, comparar resultados y reconocer patrones que no siempre son evidentes a simple vista.
En numerosos ámbitos profesionales, la estadística y las medidas de tendencia central y dispersión ayudan a:
- Describir con mayor precisión los fenómenos y los datos obtenidos.
- Aplicar con mayor precisión los procedimientos y cálculos sobre los datos.
- Resumir resultados de una manera comprensible y significativa.
- Deducir conclusiones generales, formular hipótesis y comparar conjuntos de datos con criterios cuantitativos.
Estas aplicaciones no significan que una sola medida describa por completo una distribución. Los parámetros estadísticos funcionan como resúmenes y deben interpretarse junto con la forma de los datos, la presencia de valores extremos y el contexto del estudio. Por eso suele ser más informativo combinar una medida de tendencia central con una medida de dispersión.
En una investigación, los datos estadísticos pueden complementarse con otros recursos que ayuden a contextualizar el fenómeno estudiado. En cuestiones ambientales, por ejemplo, las imágenes sobre la contaminación del agua pueden aportar una referencia visual junto a los datos recopilados.
Preguntas frecuentes sobre tendencia central y dispersión
¿Para qué sirven las medidas de tendencia central?
Sirven para resumir un conjunto de datos mediante uno o varios valores representativos. La media, la mediana y la moda ayudan a identificar dónde se concentra la distribución, comparar conjuntos y comunicar resultados de forma sintética. La medida adecuada depende del tipo de variable, la forma de los datos y la presencia de valores extremos.
¿Cómo se interpretan juntas las medidas de tendencia central y dispersión?
La tendencia central indica dónde se sitúa el centro de los datos y la dispersión muestra cuánto se separan de ese centro. Dos conjuntos pueden tener la misma media y, sin embargo, presentar desviaciones estándar muy distintas. Por eso ambas medidas deben interpretarse conjuntamente cuando se quiere describir una distribución con mayor precisión.
¿Cuál es la medida de tendencia central más utilizada?
La media aritmética es una de las medidas más utilizadas porque incorpora todos los valores del conjunto y resulta sencilla de calcular. Sin embargo, no siempre es la más adecuada: la mediana puede representar mejor distribuciones asimétricas o con valores extremos, mientras que la moda resulta útil para identificar el valor o categoría más frecuente.
¿Qué diferencia hay entre datos agrupados y no agrupados?
Los datos no agrupados conservan cada observación individual, mientras que los agrupados se organizan mediante frecuencias o intervalos de clase. Esta organización modifica el procedimiento de cálculo: en datos agrupados se utilizan las frecuencias y, cuando existen intervalos, las marcas de clase y fórmulas de estimación para algunas medidas.
¿Qué significa una desviación estándar alta o baja?
Una desviación estándar baja indica que los datos tienden a estar relativamente próximos a la media; una desviación estándar alta señala una mayor separación respecto de ella. Su valor siempre debe interpretarse teniendo en cuenta la escala de la variable y el contexto, porque una misma cifra puede representar niveles de dispersión distintos en conjuntos diferentes.
¿Cómo elegir entre media, mediana y moda?
La elección depende de los datos y del objetivo. La media es útil cuando interesa considerar todos los valores; la mediana resulta especialmente útil cuando existen valores extremos o asimetría; y la moda permite identificar la categoría o valor más frecuente. En algunos análisis puede ser conveniente calcular las tres y comparar sus resultados.
