La media es una de las medidas estadísticas más usadas… y también una de las más malinterpretadas. Porque no es que el promedio mienta es que puede decirte la verdad equivocada.
En evaluación, planificación y análisis de políticas públicas, confiar ciegamente en la media puede invisibilizar desigualdades, exagerar mejoras o justificar decisiones absurdas.
Aquí van algunos casos reales (sí, reales) donde la media engañó a todos menos a los datos.
Caso 1: El municipio con “menos abandono escolar”
Una dirección regional presumía que cierto municipio tenía solo 2% de abandono escolar promedio. Pero ese dato era un promedio entre centros escolares, no ponderado por matrícula.
• Un colegio tenía 5 alumnos y 0% abandono.
• Otro tenía 700 alumnos y 4% de abandono.
• Resultado:
(0% + 4%) / 2 = 2% ← ¡mentira útil!
Lo correcto: usar media ponderada.
SELECT SUM(num_alumnos * tasa_abandono) / SUM(num_alumnos) AS media_real
FROM centros;
Caso 2: “El ingreso promedio por hogar ha subido”
Una institución mostró que el ingreso promedio por hogar había subido un 12% respecto al año anterior. Pero cuando desagregaron por quintiles, descubrieron:
• El quintil superior creció 25%
• El inferior bajó 3%
• Los demás, casi sin cambios
El promedio sube pero la mayoría está igual o peor, eso si, el informe quedó bonito.
Caso 3: Promedio de metros cuadrados por habitante
Un estudio urbanístico mostraba que había 42 m² por habitante en una zona.
Hasta que visitas el barrio:
• Unas familias viven en 90 m²
• Otras, 12 personas en 45 m²
• El resto, ni registradas
La media oculta la desigualdad.
Caso 4: Tiempo medio de espera en urgencias: 23 minutos
Uauuuu……pero si miramos la distribución:
• 60% de personas son atendidas en <10 minutos
• 10% espera más de 4 horas
• La media:
AVG(tiempo_espera)
Pero en salud, la mediana suele ser mejor:
SELECT PERCENTILE_CONT(0.5) WITHIN GROUP (ORDER BY tiempo_espera) AS mediana
FROM urgencias;
Nadie espera 23 minutos. Es el número que no representa a nadie.
Reglas para desconfiar del promedio
1. Si hay desigualdad fuerte → usa la mediana o percentiles
2. Si estás promediando promedios → cuidado con los pesos
3. Si hay mínimos o máximos extremos → revisa los outliers
4. Si un dato “suena demasiado bien” → ve al desglose
SELECT
AVG(valor) AS media,
PERCENTILE_CONT(0.5) WITHIN GROUP (ORDER BY valor) AS mediana,
MIN(valor), MAX(valor)
FROM resultados;
Y si puedes, grafica la distribución. Porque si tú comes 2 panes y yo ninguno, el promedio dice que comimos uno cada uno. Pero tú estás satisfecho… y yo sigo con hambre.
Comentarios recientes