• Saltar al contenido principal
  • Skip to secondary menu
  • Saltar a la barra lateral principal
  • Saltar al pie de página
  • Inicio
  • Secciones
    • Ciencia de datos
    • Criptografía
    • Herramientas
    • Machine Learning
    • Noticias
    • Opinión
    • Productividad
    • Programación
      • JavaScript
      • Julia
      • Matlab
      • Python
      • R
  • Programación
    • JavaScript
    • Julia
    • Matlab
    • Python
    • R
  • Laboratorio
    • Estadística
      • Calculadora del Tamaño Muestral en Encuestas
      • Calculadora de estadísticos descriptivos
      • Test de normalidad
      • Calculadora de contrastes de hipotesis
      • Calculadora de tamano del efecto
      • Simulador de Regresión Lineal con Ruido
      • Descenso de gradiente
      • Visualizador de PCA
      • Visualizador de Series Temporales
      • Simulador de Regresión Logística
      • Matriz de confusión e informe de clasificación
      • Visualizador de fronteras de decisión
      • Simulador de K-Means
      • Número Óptimo de Clusters
      • Simulador de DBSCAN
      • Detector de la Ley de Benford
      • Ajuste de Curvas
      • Calculadora de Matrices
    • Probabilidad
      • Calculadora de Probabilidad de Distribuciones
      • Problema del cumpleaños
      • Calculadora de Probabilidades de Lotería
      • Simulador del Problema de Monty Hall
      • La aguja de Buffon
      • Simulador de la Estrategia Martingala
      • Simulador de Cadenas de Markov
    • Finanzas
      • Calculadora de Préstamos e Hipotecas
      • Conversor TIN ↔ TAE
      • Calculadora DCA con ajuste por inflación
      • Comparador de tarifas de luz 2.0TD
      • Calculadora XIRR con Flujos Irregulares
      • Simulador FIRE (Financial Independence, Retire Early)
      • Frontera Eficiente
    • Negocios
      • CLV
      • Scoring
    • Herramientas
      • Formateador / Minificador de JSON
      • Conversor CSV ↔ JSON
      • Consultar CSV con SQL en el navegador
      • Extractor de tickets (OCR)
      • Comparador y Formateador de Texto y JSON
      • Formateador y Tester de Expresiones Regulares
      • Inspector de JWT
      • Generador y verificador de hashes
      • Calculadora HMAC
      • Codificador / Decodificador Base64 y URL
      • Conversor de bases numericas
      • Conversor de Timestamp Unix
      • Conversor de colores
      • Generador de UUIDs
      • Editor de expresiones cron
      • Conversor de unidades
    • Juegos
      • Tres en Raya
      • Nim con Q-Learning
    • Más
      • Método D’Hondt
      • Generador de Contraseñas Seguras
  • Noticias
  • Boletín
  • Contacto
  • Tienda
    • Libros
    • Equipamiento de oficina
    • Equipamiento en movilidad

Analytics Lane

Ciencia e ingeniería de datos aplicada

  • Ciencia de datos
  • Machine Learning
  • IA Generativa
  • Python
  • Pandas
  • NumPy
  • R
  • Excel

El promedio engañoso: cuando la media no cuenta toda la historia

Estadística

enero 13, 2026 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 5 minutos

Al escuchar frases como “el salario promedio es de 2000 €” o “la nota media del alumnado fue de 7”, solemos imaginar que la mayoría de las personas está cerca de ese valor. Pero la realidad rara vez es tan simple. El promedio —o media— puede ocultar grandes desigualdades y dar una imagen distorsionada de la realidad que pretender resumir.

En estadística existen varias herramientas para resumir los datos: media, mediana y moda. Cada una tiene su propio significado y utilidad. Sin embargo, en los medios de comunicación, la política o la economía, lo más frecuente es que se use la media. Dando la idea errónea de que esta refleja fielmente la realidad. En esta entrada veremos por qué eso no siempre es cierto y cómo aprender a mirar los datos con una mirada más crítica.

Tabla de contenidos

  • 1. La media: el equilibrio matemático que puede engañar
  • 2. La mediana: el punto medio que describe mejor la realidad
  • 3. La moda: lo más común, no lo más equilibrado
  • 4. Cuando el promedio es engañoso: ejemplos cotidianos
    • 4.1. El salario que no representa a nadie
    • 4.2. La edad promedio que confunde
    • 4.3. La nota promedio de una clase
  • 5. Cuándo usar cada medida
  • 6. Cómo los medios de comunicación (y las empresas) usan el promedio a su favor
  • 7. Conclusiones

La media: el equilibrio matemático que puede engañar

La media aritmética es la medida más conocida: se obtiene sumando todos los valores y dividiendo el resultado entre el número total de elementos.

Por ejemplo, si cinco personas ganan 1000 €, 1200 €, 1400 €, 1600 € y 10.000 €, el cálculo sería: (1000 + 1200 + 1400 + 1600 + 10000) / 5 = 2980 €. A simple vista podríamos decir: “el salario promedio es de 2980 €”. Pero cuatro de las cinco personas ganan mucho menos. La media ha sido arrastrada hacia arriba por un valor extremo (10.000 €), lo que en estadística se llama un valor atípico u outlier.

Shallow copy vs Deep copy en Python: la mutación inesperada
En Analytics Lane
Shallow copy vs Deep copy en Python: la mutación inesperada

Es decir, un solo dato muy alto o bajo puede modificar significativamente el promedio, haciendo que parezca que la situación general es mejor (o peor) de lo que realmente es.

La mediana: el punto medio que describe mejor la realidad

La mediana representa el valor central de un conjunto de datos ordenados. La mitad de los valores queda por encima y la otra mitad por debajo.

Siguiendo el ejemplo anterior (1000, 1200, 1400, 1600 y 10.000), la mediana es 1400 €. Este valor refleja mucho mejor la situación típica, ya que no se ve afectado por los valores extremos.

Por eso, en temas como ingresos, precios de vivienda o edades, la mediana suele ser más representativa que la media.

Cuando escuches que “el salario medio ha aumentado”, pregúntate: ¿hablan de la media o de la mediana? En muchos países, la mediana salarial es significativamente menor que la media, lo que revela una desigualdad en la distribución de los ingresos.

La moda: lo más común, no lo más equilibrado

La moda es el valor que más se repite en un conjunto de datos.

Por ejemplo, si las notas son 5, 6, 7, 7, 7, 8 y 9, la moda es 7. El valor que más veces se repite de la serie, en este caso, tres veces.

En contextos sociales, la moda ayuda a identificar lo más frecuente o popular. Si la mayoría de las personas gana entre 1000 y 1200 €, esa sería la moda, incluso si la media es mucho más alta.

En resumen:

  • La media muestra el equilibrio matemático.
  • La mediana indica el punto medio.
  • La moda refleja lo más común.

Cada una cuenta una parte distinta de la historia, pero ninguna la cuenta completa por sí sola.

Cuando el promedio es engañoso: ejemplos cotidianos

Existen múltiples ejemplos cotidianos en los que el promedio es engañoso y puede distorsionar la realizad completamente.

El salario que no representa a nadie

Imagina que lees: “El salario promedio en este país es de 2800 € al mes.” Suena bien, ¿verdad? Pero si la mayoría gana 1500 € y unos pocos directivos ganan 20.000 €, la media sube, aunque la situación de la mayoría no cambie.

En este caso, la mediana (quizá 1600 €) reflejaría mucho mejor la realidad. Siendo un ejemplo clásico donde el promedio crea una ilusión de prosperidad.

La edad promedio que confunde

En un hospital, la edad media de los pacientes puede ser de 45 años. Eso no significa que la mayoría tenga esa edad: puede haber muchos niños y muchos ancianos, y pocos adultos de mediana edad. La media cae justo en el medio, pero no representa a nadie en particular.

La nota promedio de una clase

Si en una clase los alumnos obtienen calificaciones de 10, 10, 9, 4, 4, 4, 3, la media es de 6,75 ¿Podemos decir que “la clase va bien”? No: la mayoría ha suspendido. Solamente 3 alumnos de 7 han aprobado. Aquí, la mediana (4) cuenta una historia muy distinta.

Cuándo usar cada medida

Elegir bien la medida evita conclusiones erróneas. Usar siempre la media puede llevar a interpretaciones engañosas, sobre todo en temas sensibles como desigualdad o distribución de riqueza. Para saber cuál elegir en cada situación nos podemos basar en la siguiente tabla:

MedidaCuándo usarlaEjemplo típico
MediaCuando los datos son simétricos y no hay valores extremosAltura, peso, temperatura
MedianaCuando hay valores muy altos o bajosSalarios, precios de vivienda
ModaCuando queremos saber lo más común o frecuenteTallas de ropa, producto más vendido

Elegir bien la medida evita conclusiones erróneas.
Usar siempre la media puede llevar a interpretaciones engañosas, sobre todo en temas sensibles como desigualdad o distribución de riqueza.

Cómo los medios de comunicación (y las empresas) usan el promedio a su favor

Los promedios son atractivos porque simplifican la realidad. Pero esa simplicidad los hace vulnerables a la manipulación.

  • Una empresa puede decir que “el salario promedio ha aumentado”, aunque solo haya subido el sueldo de los directivos.
  • Una universidad puede presumir de una nota media alta, aunque unos pocos alumnos excepcionales eleven el promedio.

Estas afirmaciones no son falsas, pero cuentan la verdad de forma incompleta. Por eso, cada vez que escuches una cifra promedio, pregúntate:

  • ¿Hay valores extremos que estén sesgando los datos?
  • ¿Sería más informativo conocer la mediana o la moda?
  • ¿A quién representa realmente ese promedio?

La estadística no consiste solo en calcular, sino en interpretar con sentido crítico.

Conclusiones

El promedio es una gran herramienta, pero también peligrosa si se usa sin contexto. Interpretar un valor sin contexto puede llegar a ser engañoso. Por eso, comprender la diferencia entre media, mediana y moda nos permite leer los datos con espíritu crítico y descubrir la historia completa que esconden.

La próxima vez que escuches una cifra promedio, recuerda:

En estadística, como en la vida, la realidad no siempre está en el centro, sino en los detalles que el promedio deja fuera.

Nota: La imagen de este artículo fue generada utilizando un modelo de inteligencia artificial.

¿Te ha parecido de utilidad el contenido?

¡Puntúalo entre una y cinco estrellas!

Puntuación promedio 5 / 5. Votos emitidos: 1

Ya que has encontrado útil este contenido...

¡Síguenos en redes sociales!

¡Siento que este contenido no te haya sido útil!

¡Déjame mejorar este contenido!

Dime, ¿cómo puedo mejorar este contenido?

Publicaciones relacionadas

  • Shallow copy vs Deep copy en Python: la mutación inesperada
  • Cómo Proyectar Cuándo Alcanzarás la Independencia Financiera
  • Cómo Saber si una Diferencia Significativa es Importante
  • Curiosidad: “Wi-Fi” no significa “Wireless Fidelity”
  • Cómo Elegir el Test de Hipótesis Correcto para tus Datos
  • Qué significa realmente “calidad de datos”
  • Tuplas vs Listas en Python: parecen lo mismo, pero no
  • == vs is en Python: la diferencia que causa bugs misteriosos
  • Curiosidad: El puerto 80 y los números de puerto

Publicidad

Publicado en: Ciencia de datos Etiquetado como: Estadística

Interacciones con los lectores

Deja una respuesta Cancelar la respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

I accept the Terms and Conditions and the Privacy Policy

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

Barra lateral principal

Suscríbete a nuestro boletín

Suscríbete al boletín semanal para estar al día de todas las publicaciones.

Política de Privacidad

Analytics Lane en redes sociales

  • Amazon
  • Bluesky
  • Facebook
  • GitHub
  • Instagram
  • Mastodon
  • Pinterest
  • RSS
  • Telegram
  • Tumblr
  • Twitter
  • YouTube

Publicidad

Entradas recientes

Curiosidad: “Wi-Fi” no significa “Wireless Fidelity”

noviembre 12, 2026 Por Daniel Rodríguez

Shallow copy vs Deep copy en Python: la mutación inesperada

noviembre 10, 2026 Por Daniel Rodríguez

Cómo Saber si una Diferencia Significativa es Importante

noviembre 5, 2026 Por Daniel Rodríguez

Publicidad

Es tendencia

  • ¿Qué es el margen de error en una encuesta y por qué es importante? publicado el mayo 30, 2025 | en Ciencia de datos, Opinión
  • Convertir un Notebook en un archivo de Python publicado el marzo 2, 2022 | en Herramientas, Python
  • Cómo comparar tendencias con gráficos de líneas en Matplotlib: guía práctica paso a paso publicado el junio 9, 2026 | en Python
  • Compra on-line Tasa de retención de clientes para CLV publicado el junio 6, 2018 | en Ciencia de datos
  • Conectar puntos en gráficas de dispersión en Matplotlib publicado el julio 28, 2022 | en Python

Publicidad

Lo mejor valorado

4.9 (24)

Seleccionar filas y columnas en Pandas con iloc y loc

4.6 (16)

Archivos JSON con Python: lectura y escritura

4.4 (14)

Ordenación de diccionarios en Python mediante clave o valor

4.7 (13)

Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas

4.1 (11)

Aplicar el método D’Hondt en Excel

Comentarios recientes

  • Daniel Rodríguez en Curiosidad: La Paradoja de Simpson, o por qué no siempre debes fiarte de los promedios
  • Hatepi en Curiosidad: La Paradoja de Simpson, o por qué no siempre debes fiarte de los promedios
  • Daniel Rodríguez en Los récords con asterisco, o la épica del titular sin contexto – El bestiario de los indicadores económicos absurdos (parte 8 y final)
  • Juan en Los récords con asterisco, o la épica del titular sin contexto – El bestiario de los indicadores económicos absurdos (parte 8 y final)
  • bif en JSON en bases de datos: cuándo es buena idea y cuándo no

Publicidad


Footer

Analytics Lane

  • Acerca de Analytics Lane
  • Boletín de noticias
  • Contacto
  • Libros
  • Lo más popular
  • Noticias
  • Tienda
  • Tiendas afiliadas

Secciones

  • Ciencia de datos
  • Criptografía
  • Herramientas
  • Machine Learning
  • Opinión
  • Productividad
  • Programación
  • Reseñas

Sobre de Analytics Lane

En Analytics Lane tratamos de explicar los principales conceptos de la ciencia e ingeniería de datos con un enfoque práctico. Los principales temas tratados son ciencia de datos, ingeniería de datos, inteligencia artificial, machine learning, deep learning y criptografía. Además, también se habla de los principales lenguajes de programación y herramientas utilizadas por los científicos e ingenieros de datos.

Copyright © 2018-2026 Analytics Lane ·Términos y condiciones ·Política de Cookies ·Política de Privacidad ·Herramientas de privacidad ·Contacto