La diferencia entre media y mediana parece pequeña, pero cambia por completo la lectura de un conjunto de datos. Si trabajas con notas, sueldos, precios o resultados de ejercicios, entender bien estas dos medidas te evita conclusiones rápidas y, a veces, equivocadas. Aquí voy a explicarlo con ejemplos claros, una comparación directa y una regla práctica para elegir la medida correcta sin dudar tanto.
Las claves que conviene recordar
- La media suma todos los valores y los reparte entre el número de datos.
- La mediana se queda con el valor central cuando ordenas los datos.
- La media cambia más cuando aparece un valor extremo; la mediana es más estable.
- En datos bastante simétricos, media y mediana suelen salir parecidas.
- Para ingresos, precios de vivienda o datos muy desiguales, la mediana suele representar mejor el centro.
- En exámenes, ordenar bien los datos y mirar si hay valores raros ahorra muchos fallos.
En qué se diferencian de verdad
Yo suelo explicarlo con una idea muy simple: la media mira el promedio global del conjunto, mientras que la mediana mira la posición central. Eso hace que no siempre cuenten la misma historia, aunque ambas intenten resumir el centro de los datos.
| Aspecto | Media | Mediana |
|---|---|---|
| Qué mide | El promedio de todos los valores | El valor que queda en el centro al ordenar los datos |
| Cómo se calcula | Sumas todos los datos y divides entre cuántos hay | Ordenas los datos y localizas el punto medio |
| Sensibilidad a valores extremos | Alta | Baja |
| Qué tipo de datos suele representar mejor | Datos bastante equilibrados y sin extremos fuertes | Datos sesgados o con valores atípicos |
| Lectura intuitiva | “Cuánto vale de media cada dato” | “Dónde está el centro real” |
La clave no es memorizar dos definiciones sueltas, sino entender qué historia cuenta cada medida. Con eso claro, ya se ve mucho mejor cuándo conviene una u otra.
Cuándo conviene usar cada una
No siempre merece la pena usar media y mediana como si fueran intercambiables. En muchos ejercicios sencillos da igual, pero en datos reales la elección importa bastante.
- Usa la media cuando los datos están bastante equilibrados y no hay valores extremos que distorsionen el conjunto.
- Usa la mediana cuando hay sesgo, valores muy altos o muy bajos, o cuando quieres describir un “valor típico” más resistente al ruido.
- En sueldos, la mediana suele ser más honesta que la media, porque unos pocos salarios muy altos elevan el promedio.
- En notas de clase, la media suele servir bien si el grupo no tiene casos raros que rompan la distribución.
- En precios de vivienda, la mediana suele contar mejor la realidad que la media, porque una vivienda muy cara puede mover el promedio demasiado.
Si yo tuviera que resumirlo en una frase: la media funciona mejor cuando el conjunto es “regular”, y la mediana gana cuando hay distorsión. Y ahora vale la pena ver cómo se calculan en la práctica, porque ahí aparecen los fallos más comunes.
Cómo se calculan paso a paso
La media es mecánica, pero hay que hacer bien la operación. La mediana exige ordenar antes de decidir el centro, y ese detalle cambia bastante según tengas un número par o impar de datos.
Tomemos este conjunto: 2, 3, 3, 5, 8, 10, 11.
Para calcular la media, sumo todos los valores: 2 + 3 + 3 + 5 + 8 + 10 + 11 = 42. Después divido entre 7 datos, así que la media es 6.
Para calcular la mediana, primero ordeno los datos, aunque aquí ya lo están. Como hay 7 valores, el número central es el cuarto: 5. En este ejemplo, media y mediana no coinciden, y eso ya te avisa de que el conjunto no está perfectamente equilibrado.
Si el número de datos es par, la mediana se obtiene con los dos centrales. Por ejemplo, en 4, 5, 6, 7, los valores del centro son 5 y 6, así que la mediana es 5,5.
Ese detalle aparece muchísimo en exámenes: si hay un número par de datos, no buscas “un único centro”, sino el promedio de los dos centrales. Y esa pequeña diferencia evita muchos errores de cálculo.
Errores que cambian la interpretación
Más que equivocarse al sumar, el problema suele estar en interpretar mal el resultado. Yo veo siempre los mismos tropiezos, y casi todos se evitan con una lectura más cuidadosa.
- Confundir media con mediana: no son sinónimos. Parecen parecidas, pero no se comportan igual.
- Creer que la media divide los datos en dos mitades: eso es propio de la mediana, no de la media.
- No ordenar los datos antes de sacar la mediana: si no los ordenas, el valor central puede salir mal.
- Ignorar los valores extremos: un solo dato raro puede empujar la media bastante más de lo que imaginas.
- Usar siempre el mismo criterio: a veces la media es correcta, pero otras veces solo te da una imagen deformada del conjunto.
Por qué los valores atípicos importan tanto
Un valor atípico es un dato que se aleja mucho del resto. La media lo “siente” enseguida, porque entra en la suma total; la mediana, en cambio, apenas se mueve si el cambio afecta solo a un extremo.
Mira este conjunto: 2, 2, 3, 3, 5, 7, 8, 130.
La suma es 160, así que la media es 20. Pero la mediana se obtiene con los dos valores centrales, 3 y 5, y su promedio es 4. La lectura cambia por completo: la media sugiere un valor típico muy superior al resto, mientras que la mediana refleja mucho mejor lo que realmente ocurre en la mayoría de los datos.
Este es el motivo por el que en distribuciones sesgadas suelo desconfiar del promedio como único resumen. No es que la media sea mala; simplemente, en ciertos conjuntos deja de ser la mejor fotografía del centro.
Cuando entiendes este punto, ya estás muy cerca de elegir bien en un examen o en un problema real. Solo falta una regla rápida para no pensarlo demasiado.
La regla práctica que yo usaría en un examen
Si tuviera que dejar una sola pauta, sería esta:
- Si los datos están bastante equilibrados, usa la media.
- Si hay valores extremos o una distribución muy desigual, usa la mediana.
- Si te piden una descripción “típica” de ingresos, precios o tiempos con mucho sesgo, desconfía del promedio y mira la mediana.
- Si no estás seguro, calcula ambas y compara: cuando se parecen mucho, la lectura suele ser más estable.
Yo me quedaría con esta idea final: la media resume, pero la mediana protege mejor frente a datos raros. Esa pequeña diferencia cambia la interpretación de muchos ejercicios de estadística y probabilidad, y también ayuda a leer mejor cualquier gráfico o tabla de la vida real.
