Dos grupos pueden tener exactamente el mismo promedio y, sin embargo, describir realidades completamente distintas.
Un número aislado puede resumir cientos de observaciones, pero también puede esconder diferencias, valores extremos o patrones inesperados. Entender estadística significa aprender a preguntar qué hay detrás del dato. En esta ficha analizarás medidas de centro, dispersión, distribución, correlación y encuestas para distinguir una tendencia útil de una conclusión engañosa.
Objetivo didáctico
Al terminar esta ficha serás capaz de analizar conjuntos de datos mediante medidas de tendencia central y dispersión, reconocer patrones de distribución y correlación, e interpretar críticamente resultados de encuestas considerando la calidad y los límites de la evidencia.
Introducción
Cada día encontramos estadísticas en noticias, aplicaciones bancarias, estudios de salud, resultados deportivos, encuestas electorales y reportes de precios. Una cifra como “el promedio es 25” parece precisa, pero todavía deja preguntas importantes: ¿los valores están concentrados alrededor de 25?, ¿existen casos extremos?, ¿el grupo observado representa realmente a la población?
La estadística ayuda a transformar muchos datos individuales en información interpretable. Sin embargo, resumir siempre implica perder detalle. Por eso el razonamiento estadístico no consiste únicamente en calcular una media o reconocer una gráfica: exige comparar distintas medidas, estudiar la variabilidad y preguntarse de dónde proceden los datos.
📐 Concepto: distribución de datos
Una distribución describe cómo se reparten los valores de una variable: dónde se concentra la mayoría, cuánto varían los datos, qué tan frecuentes son ciertos valores y si existen extremos o patrones particulares. Dos conjuntos pueden compartir una medida de centro y tener distribuciones muy diferentes.
Esa distinción tiene consecuencias concretas. Si conocemos únicamente el salario promedio de un grupo, la temperatura promedio de un mes o la calificación promedio de un curso, todavía no sabemos cómo se distribuyen los casos individuales. La misma cifra puede corresponder a una población muy homogénea o a otra marcada por diferencias extremas.
En el nivel intermedio, la pregunta deja de ser solamente “¿cómo calculo esta medida?” y pasa a ser “¿qué información aporta, qué oculta y cuándo conviene utilizarla?”. Ese cambio de perspectiva es el que permite pasar del cálculo estadístico a la interpretación crítica.
Desarrollo del tema
Media, mediana y moda: tres formas de hablar del centro
La media se obtiene sumando todos los valores y dividiendo entre el número de observaciones. En el conjunto 8, 9, 10, 10, 11, 12 y 40, la suma es 100 y la media es aproximadamente 14.29. Sin embargo, seis de los siete valores están entre 8 y 12. El valor 40 arrastra el promedio hacia arriba.
La mediana es el valor central después de ordenar los datos. En ese mismo conjunto es 10. La moda también es 10 porque es el valor que aparece con mayor frecuencia. Aquí, mediana y moda describen mejor dónde se concentra la mayoría que la media. Esto no convierte a una medida en “mejor” universalmente: depende de la forma de la distribución y de la pregunta.
La necesidad de resumir observaciones se volvió especialmente importante durante el desarrollo de la estadística moderna en los siglos XVIII y XIX. Investigadores como Adolphe Quetelet, nacido en 1796, utilizaron promedios para estudiar características de poblaciones humanas. Con el tiempo se hizo evidente que una medida central podía ser útil sin describir por completo las diferencias individuales.
En la vida cotidiana esto aparece al comparar salarios, tiempos de traslado o precios de vivienda. Si diez departamentos cuestan cantidades relativamente parecidas y uno cuesta diez veces más, el precio medio subirá notablemente. Antes de aceptar un “promedio” como resumen suficiente, conviene preguntar si existen valores extremos y comparar al menos media y mediana.
Dispersión: saber cuánto se parecen o se alejan los datos
Una medida de centro no indica cuánto varían las observaciones. Considera dos grupos: A = 10, 10, 10, 10, 10 y B = 2, 6, 10, 14, 18. Ambos tienen una media de 10, pero el primer conjunto no presenta variación y el segundo abarca un rango de 16 unidades. Su comportamiento es claramente diferente.
La medida más sencilla de dispersión es el rango: máximo menos mínimo. También existen la varianza y la desviación estándar. La desviación estándar expresa, en las mismas unidades de los datos, cuánto tienden a alejarse las observaciones respecto de la media. En el conjunto B anterior, la desviación estándar poblacional es aproximadamente 5.66; en A es cero.
Karl Pearson, nacido en 1857, contribuyó de manera decisiva a formalizar muchas herramientas de la estadística matemática, entre ellas medidas relacionadas con variabilidad y asociación. La expansión de estas técnicas permitió dejar de describir poblaciones únicamente mediante valores centrales y estudiar sistemáticamente cuánto difieren unos casos de otros.
Piensa en los tiempos de entrega de dos servicios. Ambos pueden promediar 30 minutos, pero uno entrega casi siempre entre 28 y 32 minutos mientras el otro oscila entre 10 y 50. Para una persona que necesita planificar su día, la segunda información puede ser incluso más importante que el promedio. La dispersión convierte la regularidad —o la falta de ella— en algo medible.
Distribución normal: un modelo útil, no una regla universal
La distribución normal es un modelo matemático continuo, simétrico y con forma de campana. En una distribución perfectamente normal, media, mediana y moda coinciden en el centro. Su forma queda determinada por dos parámetros: la media establece la ubicación y la desviación estándar controla cuánto se extiende la curva.
Una propiedad muy conocida es la llamada regla 68–95–99.7: aproximadamente 68% de los valores cae dentro de una desviación estándar de la media, cerca de 95% dentro de dos y alrededor de 99.7% dentro de tres. Esta regla es útil únicamente cuando la distribución puede aproximarse razonablemente mediante un modelo normal (NIST/SEMATECH, s. f.).
La curva normal está asociada históricamente con trabajos de Abraham de Moivre, Pierre-Simon Laplace y Carl Friedrich Gauss durante los siglos XVIII y XIX. Gauss la utilizó en el estudio de errores de medición astronómica. Por eso también llegó a conocerse como distribución gaussiana, aunque su desarrollo fue resultado de contribuciones de varios matemáticos.
No todos los datos cotidianos siguen esa forma. Los ingresos, por ejemplo, suelen presentar asimetría porque existe un límite inferior cercano a cero pero algunos valores pueden extenderse enormemente hacia arriba. Aplicar automáticamente la media, la desviación estándar o la regla 68–95–99.7 sin observar primero la distribución puede producir interpretaciones poco fiables.
Correlación básica: cuando dos variables cambian juntas
La correlación permite describir la intensidad y dirección de una relación lineal entre dos variables. El coeficiente de correlación de Pearson, representado normalmente por r, toma valores entre −1 y 1. Los valores positivos indican que ambas variables tienden a aumentar juntas; los negativos, que una tiende a disminuir cuando la otra aumenta.
Un valor cercano a cero indica poca asociación lineal, pero no demuestra que no exista ninguna relación. Una variable puede relacionarse con otra mediante una curva y producir una correlación lineal pequeña. Por eso un diagrama de dispersión es un compañero esencial del coeficiente: permite ver la forma que un único número no muestra.
El término correlación adquirió su significado estadístico moderno con trabajos de Francis Galton y posteriormente Karl Pearson a finales del siglo XIX. Estas herramientas permitieron cuantificar asociaciones entre características observadas. Pero desde entonces existe una advertencia fundamental: una asociación estadística no demuestra por sí sola una relación causal.
Si aumenta simultáneamente la venta de bebidas frías y el consumo de electricidad para aire acondicionado, existe una explicación plausible común: el aumento de la temperatura. Concluir que comprar bebidas provoca mayor uso de aire acondicionado confundiría correlación con causalidad. Para argumentar causalidad necesitamos estudiar mecanismos, temporalidad, variables de confusión y, cuando es posible, diseños experimentales o cuasiexperimentales.
💫 El dato que cambia todo
Francis Anscombe publicó cuatro conjuntos de datos con medias, varianzas, correlaciones y rectas de regresión prácticamente iguales. Al graficarlos, revelaban patrones radicalmente distintos. El ejemplo quedó conocido como el cuarteto de Anscombe y mostró por qué calcular estadísticas sin visualizar los datos puede ocultar la historia más importante (Anscombe, 1973).
Lectura crítica de encuestas: preguntar de dónde salió el porcentaje
Una encuesta no se vuelve representativa simplemente por incluir muchas respuestas. Lo esencial es la relación entre la población objetivo y el procedimiento utilizado para seleccionar a quienes responden. Una encuesta abierta en redes sociales puede reunir 50,000 respuestas y, aun así, representar mal a una ciudad si solo participa un grupo muy particular.
En México, la ENIGH 2024 del INEGI utilizó una muestra efectiva nacional de 105,718 viviendas particulares. Su diseño fue probabilístico, estratificado, multietápico y por conglomerados, lo que permite realizar inferencias hacia la población definida por el estudio. El tamaño importa, pero también importa cómo se seleccionan las unidades y cómo se construye el marco muestral (INEGI, 2025).
El margen de error describe solo una parte de la incertidumbre. La investigación por encuestas también enfrenta posibles problemas de cobertura, no respuesta, redacción de preguntas, modo de entrevista y procesamiento. La American Association for Public Opinion Research advierte que el error total de una encuesta incluye más componentes que el error de muestreo.
Por eso, frente a un titular como “62% de las personas prefiere X”, conviene preguntar al menos cinco cosas: quién realizó el estudio, cuál era la población objetivo, cómo fue seleccionada la muestra, cuántas respuestas efectivas hubo y cómo estaba redactada la pregunta. Un porcentaje sin metodología puede ser exacto respecto a quienes contestaron y, al mismo tiempo, engañoso respecto a la población que pretende describir.
Conclusión
Analizar datos con criterio implica utilizar varias capas de información. La media, mediana y moda ayudan a localizar el centro; las medidas de dispersión muestran cuánto difieren los casos; la forma de la distribución revela patrones que un promedio puede esconder; y la correlación permite estudiar asociaciones sin convertirlas automáticamente en explicaciones causales.
El mismo criterio se aplica al interpretar encuestas. Un porcentaje gana significado cuando sabemos quién fue estudiado, cómo se obtuvo la muestra, cuál es la incertidumbre y qué otros errores pudieron intervenir. Cumplir el objetivo de esta ficha significa poder pasar de “el dato dice…” a una afirmación más rigurosa: “estos datos permiten sostener esto, bajo estas condiciones y con estas limitaciones”.
La estadística no elimina la incertidumbre: la hace visible y manejable. Esa es precisamente su fuerza. Cuanto más aprendemos a leer los datos, más preguntas podemos hacer sobre lo que todavía no sabemos.
🔭 Para seguir aprendiendo
- ¿Cómo decidirías entre media y mediana al analizar precios de vivienda o ingresos?
- ¿Qué puede revelar una gráfica que no aparezca en una media, una desviación estándar o una correlación?
- ¿Cómo cambiaría tu confianza en una encuesta si descubrieras que la mitad de las personas seleccionadas no respondió?
Referencias
- American Association for Public Opinion Research. (s. f.). Best practices for survey research.
- Anscombe, F. J. (1973). Graphs in statistical analysis. The American Statistician, 27(1), 17–21.
- Instituto Nacional de Estadística y Geografía. (2025). Encuesta Nacional de Ingresos y Gastos de los Hogares (ENIGH) 2024.
- NIST/SEMATECH. (s. f.). e-Handbook of Statistical Methods. National Institute of Standards and Technology.
Actividad de aprendizaje autónoma
Producto final: informe breve para interpretar un conjunto de datos.
Imagina que los siguientes valores corresponden al tiempo, en minutos, que tardan 12 personas de una comunidad en trasladarse diariamente a su trabajo o centro de estudio:
- Ordena y revisa los datos. Identifica si existe algún valor que merezca atención especial.
- Calcula media, mediana y moda. Compara las tres y decide cuál comunica mejor el tiempo típico de traslado.
- Calcula el rango y describe qué te dice sobre la dispersión.
- Explica cómo cambia la media si eliminas temporalmente el valor de 70 minutos. No lo elimines de tu análisis final: úsalo para estudiar su influencia.
- Dibuja una representación sencilla de los datos —por ejemplo, puntos sobre una línea numérica o un histograma hecho a mano— y describe su forma.
- Redacta una conclusión de 80 a 120 palabras que incluya al menos una medida de centro, una de dispersión y una advertencia sobre lo que estos 12 datos no permiten afirmar.
- Imagina que los datos provienen de una encuesta. Añade tres preguntas metodológicas que necesitarías responder antes de generalizar los resultados a toda la comunidad.
Genera la frase central de tu informe.
Evidencia de logro: el informe está completo cuando una persona que no vio los datos originales puede entender cuál es la tendencia central, cuánto varían los tiempos, por qué el valor extremo importa y qué límites tendría generalizar los resultados.
Reflexión final: si tuvieras que comunicar solamente dos números del conjunto para evitar una impresión engañosa, ¿cuáles elegirías y qué información importante seguiría faltando?