Media frente a mediana: ¿cuál elegir para gestionar tu proceso?
Al analizar los datos de un proceso de fabricación, la elección del indicador de tendencia central —media o mediana— puede parecer insignificante. En realidad, determina la fiabilidad de tus conclusiones, la pertinencia de tus gráficos de control y la precisión de tus índices de capacidad. Saber cuándo utilizar uno u otro es una competencia fundamental para cualquier profesional de Lean Six Sigma.
Lo que miden realmente estos dos indicadores
La media (o media aritmética) es la suma de todos los valores dividida entre su número. Incorpora la información de cada punto de medición, lo que la convierte en un estimador muy eficaz cuando los datos siguen una distribución normal —es decir, simétrica y sin valores atípicos—.
La mediana es el valor que se encuentra en el centro de un conjunto de datos ordenado de menor a mayor. Se denomina resistente : un valor extremo, aunque esté muy alejado del resto de las observaciones, solo la desplaza ligeramente. Por otro lado, aprovecha menos información que la media y puede resultar menos precisa en muestras pequeñas.
En la práctica, ambas coinciden perfectamente en una distribución totalmente simétrica. Es cuando divergen cuando la información resulta útil: su desviación indica una asimetría o la presencia de valores atípicos en el proceso.
Cuando lo normal es la mejor opción
La media es el indicador de referencia siempre que tus datos cumplan dos condiciones: normalidad (o una distribución suficientemente simétrica) y ausencia de valores atípicos injustificados. Por eso ocupa un lugar central en las herramientas estadísticas más utilizadas en el control estadístico de procesos (CEP):
- En gráficos de control X-barra / R y X-barra / S se basan en la media de los subgrupos para detectar desviaciones.
- En índices de capacidad Cp y Cpk utilizan la media como estimador de la posición del proceso.
- En pruebas t y los ANOVA (los análisis de varianza) se basan en las medias para comparar poblaciones.
Si tu proceso está bajo control y genera datos con una distribución normal, la media aprovecha toda la información disponible y proporciona los estimadores más precisos en sentido estadístico.
Cuando la mediana es la que prevalece
La mediana resulta preferible —o indispensable— en tres situaciones habituales en el entorno industrial.
Datos asimétricos o con cola larga
Algunos procesos generan de forma natural distribuciones asimétricas: tiempos de ciclo, niveles de contaminación, plazos de entrega. Una sola operación excepcionalmente larga puede elevar la media y ofrecer una imagen distorsionada del comportamiento habitual del proceso. La mediana refleja, por tanto, mejor la experiencia real del operario o del cliente.
Se han detectado valores atípicos
Cuando un sensor presenta una desviación puntual o un evento excepcional (parada de la máquina, materia prima no conforme) introduce valores extremos en el conjunto de datos, la mediana amortigua su efecto. Esto no exime de investigar y corregir la causa raíz, pero evita controlar el proceso basándose en una estadística distorsionada artificialmente.
Muestras pequeñas en datos ordinales
En el caso de los atributos valorados en una escala ordinal (puntuaciones de satisfacción, niveles de gravedad de un defecto), la media es matemáticamente calculable, pero semánticamente discutible. La mediana conserva un significado concreto: indica el nivel realmente central de la muestra.
También existen tarjetas de control basadas en la mediana (tarjeta X̃ / R), menos sensibles que las tarjetas X-barra, pero más robustas cuando los datos no siguen una distribución normal o cuando los operadores no están muy familiarizados con el cálculo de medias.
Cómo comprobar cuál es el más adecuado para tus datos
Lo recomendable es no elegir a ciegas, sino analizar la distribución antes de tomar una decisión.
- Dibuja un histograma o un diagrama de caja (diagrama de caja) : una asimetría visible, una cola larga o puntos aislados son señales de alerta.
- Compara la media y la mediana : una desviación superior a 10–15 % respecto al rango de los datos merece especial atención.
- Realiza una prueba de normalidad (Prueba de Shapiro-Wilk para muestras pequeñas, prueba de Anderson-Darling para muestras grandes): si se rechaza la hipótesis de normalidad, la mediana suele ser más representativa.
- Comprueba si hay valores atípicos mediante una prueba de Grubbs o una carta de control de individuos: si se pueden atribuir a una causa concreta, aíslalas antes de calcular tu indicador.
Estos pasos solo llevan unos minutos en cualquier programa de análisis estadístico y evitan que se tomen decisiones de gestión basadas en indicadores inadecuados.
La cuestión no es si la media es «mejor» que la mediana: cada una responde a un contexto concreto. Para un proceso estable y con distribución normal, la media sigue siendo el estimador más potente. En cuanto entran en juego asimetrías o valores atípicos, la mediana ofrece una visión más fiel de la realidad sobre el terreno. Primero diagnosticar, luego elegir: ese es el enfoque riguroso que distingue al profesional de Six Sigma de quien aplica fórmulas sin cuestionar sus hipótesis.