Al analizar los datos de un proceso de fabricaci\u00f3n, la elecci\u00f3n del indicador de tendencia central \u2014media o mediana\u2014 puede parecer insignificante. En realidad, determina la fiabilidad de tus conclusiones, la pertinencia de tus gr\u00e1ficos de control y la precisi\u00f3n de tus \u00edndices de capacidad. Saber cu\u00e1ndo utilizar uno u otro es una competencia fundamental para cualquier profesional de Lean Six Sigma.<\/p>\n
La media<\/strong> (o media aritm\u00e9tica) es la suma de todos los valores dividida entre su n\u00famero. Incorpora la informaci\u00f3n de cada punto de medici\u00f3n, lo que la convierte en un estimador muy eficaz cuando los datos siguen una distribuci\u00f3n normal \u2014es decir, sim\u00e9trica y sin valores at\u00edpicos\u2014.<\/p>\n La mediana<\/strong> es el valor que se encuentra en el centro de un conjunto de datos ordenado de menor a mayor. Se denomina resistente<\/em> : un valor extremo, aunque est\u00e9 muy alejado del resto de las observaciones, solo la desplaza ligeramente. Por otro lado, aprovecha menos informaci\u00f3n que la media y puede resultar menos precisa en muestras peque\u00f1as.<\/p>\n En la pr\u00e1ctica, ambas coinciden perfectamente en una distribuci\u00f3n totalmente sim\u00e9trica. Es cuando divergen cuando la informaci\u00f3n resulta \u00fatil: su desviaci\u00f3n indica una asimetr\u00eda o la presencia de valores at\u00edpicos en el proceso.<\/p>\n La media es el indicador de referencia siempre que tus datos cumplan dos condiciones: normalidad<\/strong> (o una distribuci\u00f3n suficientemente sim\u00e9trica) y ausencia de valores at\u00edpicos injustificados<\/strong>. Por eso ocupa un lugar central en las herramientas estad\u00edsticas m\u00e1s utilizadas en el control estad\u00edstico de procesos (CEP):<\/p>\n Si tu proceso est\u00e1 bajo control y genera datos con una distribuci\u00f3n normal, la media aprovecha toda la informaci\u00f3n disponible y proporciona los estimadores m\u00e1s precisos en sentido estad\u00edstico.<\/p>\n La mediana resulta preferible \u2014o indispensable\u2014 en tres situaciones habituales en el entorno industrial.<\/p>\n Algunos procesos generan de forma natural distribuciones asim\u00e9tricas: tiempos de ciclo, niveles de contaminaci\u00f3n, plazos de entrega. Una sola operaci\u00f3n 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.<\/p>\n Cuando un sensor presenta una desviaci\u00f3n puntual o un evento excepcional (parada de la m\u00e1quina, 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 ra\u00edz, pero evita controlar el proceso bas\u00e1ndose en una estad\u00edstica distorsionada artificialmente.<\/p>\n En el caso de los atributos valorados en una escala ordinal (puntuaciones de satisfacci\u00f3n, niveles de gravedad de un defecto), la media es matem\u00e1ticamente calculable, pero sem\u00e1nticamente discutible. La mediana conserva un significado concreto: indica el nivel realmente central de la muestra.<\/p>\n Tambi\u00e9n existen tarjetas de control basadas en la mediana (tarjeta X\u0303 \/ R), menos sensibles que las tarjetas X-barra, pero m\u00e1s robustas cuando los datos no siguen una distribuci\u00f3n normal o cuando los operadores no est\u00e1n muy familiarizados con el c\u00e1lculo de medias.<\/p>\n Lo recomendable es no elegir a ciegas, sino analizar la distribuci\u00f3n antes de tomar una decisi\u00f3n.<\/p>\n Estos pasos solo llevan unos minutos en cualquier programa de an\u00e1lisis estad\u00edstico y evitan que se tomen decisiones de gesti\u00f3n basadas en indicadores inadecuados.<\/p>\n La cuesti\u00f3n no es si la media es \u00abmejor\u00bb que la mediana: cada una responde a un contexto concreto. Para un proceso estable y con distribuci\u00f3n normal, la media sigue siendo el estimador m\u00e1s potente. En cuanto entran en juego asimetr\u00edas o valores at\u00edpicos, la mediana ofrece una visi\u00f3n m\u00e1s 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 f\u00f3rmulas sin cuestionar sus hip\u00f3tesis.<\/p>","protected":false},"excerpt":{"rendered":" Moyenne vs m\u00e9diane : laquelle choisir pour piloter votre proc\u00e9d\u00e9 ? Lorsque vous analysez les donn\u00e9es d’un proc\u00e9d\u00e9 de fabrication, le choix de l’indicateur de tendance centrale \u2014 moyenne ou m\u00e9diane \u2014 peut sembler anodin. En r\u00e9alit\u00e9, il conditionne la fiabilit\u00e9 de vos conclusions, la pertinence de vos cartes de contr\u00f4le et la justesse de […]<\/p>\n","protected":false},"author":4,"featured_media":0,"comment_status":"","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[7],"tags":[],"class_list":["post-4465","post","type-post","status-publish","format-standard","hentry","category-data-analysis"],"acf":[],"yoast_head":"\nCuando lo normal es la mejor opci\u00f3n<\/h2>\n
\n
Cuando la mediana es la que prevalece<\/h2>\n
Datos asim\u00e9tricos o con cola larga<\/h3>\n
Se han detectado valores at\u00edpicos<\/h3>\n
Muestras peque\u00f1as en datos ordinales<\/h3>\n
C\u00f3mo comprobar cu\u00e1l es el m\u00e1s adecuado para tus datos<\/h2>\n
\n
\n