Diferenzas entre media, mediana e moda na estatística descritiva
Na estatística descritiva, un dos obxectivos principais é resumir os datos para unha fácil comprensión. Os datos grandes, variados e ás veces "desordenados" serán máis informativos cando se presenten en forma de medidas de tendencia central. As tres medidas de tendencia central máis utilizadas son a media, a mediana e a moda. Aínda que as tres pretenden mostrar un "valor representativo" dun conxunto de datos, os seus métodos de operación, a sensibilidade aos valores atípicos e as situacións de uso axeitadas varían significativamente.
Este artigo analiza o significado, como calcular, as vantaxes e desvantaxes, e exemplos da aplicación da media, a mediana e a moda para que poidas escoller a medida máis axeitada para os datos que se analizan.
1. Media (promedio): definición e como calculala
A media é a suma de todos os valores dos datos dividida polo número de puntos de datos. A miúdo chamada "media", a media é a máis familiar na vida cotiá. Ofrece unha instantánea do centro dos datos considerando todos os valores proporcionalmente.
Fórmula media:
\[
\bar{x} = \frac{\sum x_i}{n}
\]
Información:
– \(\sum x_i\) = a suma de todos os valores dos datos
– \(n\) = número de datos
Exemplo:
Supoñamos que as puntuacións dos exames de cinco estudantes son: 70, 75, 80, 85, 90
Media = (70 + 75 + 80 + 85 + 90) / 5 = 400 / 5 = 80
Vantaxes medias
1. Utilizar todos os datos para que a información empregada sexa completa.
2. Fácil de calcular e amplamente utilizado en análises avanzadas (por exemplo, varianza, desviación estándar).
3. Adecuado para datos numéricos e distribucións relativamente simétricas.
Deficiencia media
1. Moi sensible aos valores atípicos. Un valor extremo pode afastar a media da maioría dos datos.
2. Non sempre representa «valores típicos» se a distribución de datos está asimétrica.
Exemplos de efectos atípicos:
Datos de ingresos (millóns de rupias): 3, 3, 4, 4, 5, 50
Media = (3+3+4+4+5+50)/6 = 69/6 = 11,5
Aínda que a maioría dos ingresos se sitúan entre os 3 e os 5 millóns, a media é menos representativa.
2. Mediana (valor medio): definición e como calculala
A mediana é o valor que se atopa no medio cando os datos se ordenan de menor a maior. A mediana fai fincapé na posición, en lugar da magnitude xeral, o que a fai máis resistente aos valores atípicos.
Como determinar a mediana:
1. Ordena os datos.
2. Se o número de datos é impar, a mediana é o valor na posición central.
3. Se o número de datos é par, a mediana é a media dos dous valores intermedios.
Exemplo (estraño):
Datos: 2, 3, 5, 7, 9
Mediana = valor medio = 5
Exemplo (par):
Datos: 10, 20, 30, 40
Mediana = (20 + 30) / 2 = 25
Vantaxes medianas
1. Resistente a valores atípicos e extremos.
2. Adecuado para datos distorsionados como ingresos, prezos de vivendas ou tempos de espera.
3. Pódese empregar para datos ordinais (por exemplo, valoracións de satisfacción: moi satisfeito, satisfeito, neutral, insatisfeito).
Deficiencias medianas
1. Non emprega todos os valores dos datos nos seus cálculos (máis “baseado na posición”).
2. Menos axeitado para a análise matemática avanzada que require propiedades medias.
Se volvemos ao exemplo da renda: 3, 3, 4, 4, 5, 50
Os datos están ordenados, a mediana para 6 datos é a media dos valores 3.º e 4.º: (4 + 4) / 2 = 4
Esta mediana é moito máis representativa das condicións maioritarias.
3. Moda (Valor máximo): Definición e como determinala
A moda é o valor que aparece con máis frecuencia nun conxunto de datos. Nalgúns casos, os datos poden ter:
– Unha moda (unimodal): un valor aparece con máis frecuencia
– Dous modos (bimodal): dous valores aparecen con maior frecuencia
– Moitos modos (multimodal)
– Sen modo: se todos os valores aparecen coa mesma frecuencia
Exemplo:
Datos: 2, 3, 3, 4, 5
Modo = 3 (aparece con máis frecuencia)
Exemplo bimodal:
Datos: 1, 2, 2, 3, 3, 4
Modo = 2 e 3
Vantaxes do modo
1. A única medida de tendencia central que se pode empregar para datos nominais (por exemplo, cor favorita, marca máis preferida).
2. Fácil de entender porque mostra inmediatamente a categoría/valor máis dominante.
3. Non se ve afectado por valores atípicos no sentido de que os valores extremos non cambian a frecuencia dos valores que se producen con máis frecuencia.
Falta de modo
1. Ás veces non é único (pode ser máis dun) ou mesmo non existe.
2. Pode ser menos estable; pequenos cambios nos datos poden alterar o modo.
3. Non sempre representa matematicamente o «centro» dos datos.
4. Principais diferenzas entre media, mediana e moda
En resumo, as diferenzas entre os tres pódense apreciar no método de cálculo, na sensibilidade aos valores atípicos e nos tipos de datos axeitados:
1. A media usa todos os valores, ideal para datos numéricos simétricos, pero sensible aos valores atípicos.
2. Mediana baseada na posición, axeitada para datos asimétricos, máis robusta fronte a valores atípicos.
3. Modo baseado na frecuencia, axeitado para datos categóricos/nominais e para ver o valor máis dominante.
En moitos libros de estatística, existe unha relación xeral entre as tres distribucións:
– Distribución simétrica: media ≈ mediana ≈ moda
– Distribución asimétrica á dereita (esbiaixada á dereita): media > mediana > moda
– Distribusi miring ke kiri (skewed left) : mean < median < modus
Namun ini adalah kecenderungan, bukan aturan mutlak.
5. Kapan Menggunakan Mean, Median, atau Modus?
Memilih ukuran pemusatan yang tepat bergantung pada karakter data dan tujuan analisis.
Gunakan Mean jika:
- Data berbentuk numerik (interval/rasio).
- Distribusi relatif simetris.
- Tidak ada outlier ekstrem atau outlier sudah ditangani.
- Anda membutuhkan dasar untuk perhitungan statistik lainnya.
Contoh situasi: rata-rata nilai ujian kelas dengan sebaran nilai wajar.
Gunakan Median jika:
- Data numerik tetapi terdapat outlier atau distribusinya miring.
- Anda ingin nilai “tipikal” yang lebih stabil.
- Data bersifat ordinal.
Contoh situasi: median gaji karyawan, median harga rumah, median waktu tempuh perjalanan.
Gunakan Modus jika:
- Data bersifat nominal atau kategorik.
- Anda ingin mengetahui pilihan yang paling umum.
Contoh situasi: ukuran baju yang paling banyak dibeli (S/M/L), metode pembayaran paling sering dipakai, atau jenis produk terlaris.
Kesimpulan
Mean, median, dan modus adalah tiga ukuran pemusatan data yang sangat penting dalam statistika deskriptif. Mean memberikan rata-rata dengan mempertimbangkan semua nilai, namun rentan terhadap outlier. Median menunjukkan nilai tengah yang lebih tahan terhadap nilai ekstrem dan cocok untuk data yang skewed. Modus menyoroti nilai atau kategori yang paling sering muncul dan sangat berguna untuk data kategorik.
Dengan memahami perbedaan dan konteks penggunaannya, Anda dapat memilih ukuran pemusatan yang paling tepat agar kesimpulan dari data menjadi lebih akurat dan mudah dipahami. Jika data Anda memiliki outlier besar, median sering lebih representatif; jika data bersifat kategorik, modus adalah pilihan utama; dan jika data simetris dan “bersih,” mean bisa menjadi ringkasan yang paling informatif.
