Media vs mediana: quale scegliere per gestire il vostro processo?
Quando si analizzano i dati di un processo di produzione, la scelta dell’indicatore di tendenza centrale — media o mediana — può sembrare irrilevante. In realtà, essa determina l’affidabilità delle vostre conclusioni, la pertinenza dei vostri grafici di controllo e l’accuratezza dei vostri indici di capacità. Capire quando utilizzare l’uno piuttosto che l’altro è una competenza fondamentale per ogni professionista del Lean Six Sigma.
Cosa misurano effettivamente questi due indicatori
La media (o media aritmetica) è la somma di tutti i valori divisa per il loro numero. Essa tiene conto delle informazioni relative a ciascun punto di misurazione, il che la rende uno stimatore molto efficace quando i dati seguono una distribuzione normale — ovvero simmetrica, priva di valori anomali.
La mediana è il valore che si trova al centro di un insieme di dati ordinato in ordine crescente. Si dice che sia robusto : un valore estremo, anche se molto distante dal resto delle osservazioni, lo sposta solo leggermente. D’altra parte, utilizza meno informazioni rispetto alla media e può risultare meno preciso su campioni di piccole dimensioni.
In pratica, le due curve coincidono perfettamente in una distribuzione perfettamente simmetrica. È quando divergono che l’informazione diventa utile: la loro differenza indica un’asimmetria o la presenza di valori atipici nel processo.
Quando la via di mezzo è la scelta giusta
La media è l'indicatore di riferimento quando i dati soddisfano due condizioni: normalità (o una distribuzione sufficientemente simmetrica) e assenza di valori anomali non giustificati. Ecco perché è al centro degli strumenti statistici più diffusi nel controllo statistico dei processi (CSP):
- Il carte di controllo X-bar / R e X-bar / S si basano sulla media dei sottogruppi per individuare eventuali scostamenti.
- Il indici di capacità Cp e Cpk utilizzano la media come stimatore della posizione del processo.
- Il test t e i ANOVA (analisi della varianza) si basano sulle medie per confrontare le popolazioni.
Se il vostro processo è sotto controllo e produce dati con distribuzione normale, la media sfrutta tutte le informazioni disponibili e fornisce gli stimatori più precisi in senso statistico.
Quando la mediana prevale
La mediana diventa preferibile — o indispensabile — in tre situazioni comuni in ambito industriale.
Dati asimmetrici o con coda lunga
Alcuni processi generano naturalmente distribuzioni asimmetriche: tempi di ciclo, livelli di contaminazione, tempi di consegna. Una singola operazione eccezionalmente lunga può far salire la media e fornire un’immagine distorta del comportamento abituale del processo. La mediana riflette quindi meglio ciò che l’operatore o il cliente sperimenta realmente.
Presenza di valori anomali individuati
Quando un sensore presenta una deviazione occasionale o un evento eccezionale (arresto della macchina, materia prima non conforme) introduce valori estremi nella serie di dati, la mediana ne attenua l’effetto. Ciò non esime dal dover indagare e correggere la causa alla radice, ma evita di gestire il processo sulla base di una statistica artificialmente distorta.
Piccoli campioni su dati ordinali
Per gli attributi valutati su una scala ordinale (punteggi di soddisfazione, livelli di gravità di un difetto), la media è matematicamente calcolabile ma semanticamente discutibile. La mediana conserva invece un significato concreto: indica il livello effettivamente centrale del campione.
Esistono anche carte di controllo basate sulla mediana (carte X̃ / R), meno sensibili delle carte X-bar ma più robuste in presenza di dati non normali o di operatori poco esperti nel calcolo delle medie.
Come verificare quale utilizzare sui propri dati
La buona pratica consiste nel non scegliere alla cieca, ma nell’analizzare la distribuzione prima di decidere.
- Disegnate un istogramma oppure un diagramma a scatola (diagramma a scatola) : un’asimmetria evidente, una coda lunga o punti isolati sono segnali di allarme.
- Confronta la media e la mediana : uno scostamento superiore a 10–15 % rispetto all'intervallo dei dati merita attenzione.
- Eseguire un test di normalità (Test di Shapiro-Wilk per campioni piccoli, test di Anderson-Darling per campioni grandi): se l'ipotesi di normalità viene respinta, la mediana è generalmente più rappresentativa.
- Verificate la presenza di valori anomali utilizzando un test di Grubbs o una carta di controllo per i singoli individui: se sono attribuibili a una causa specifica, isolateli prima di calcolare l’indicatore.
Queste operazioni richiedono pochi minuti in qualsiasi software di analisi statistica e consentono di evitare decisioni gestionali basate su indicatori inadeguati.
La questione non è se la media sia «migliore» della mediana: ciascuna risponde a un contesto specifico. Per un processo stabile e normalmente distribuito, la media rimane lo stimatore più potente. Non appena entrano in gioco asimmetrie o valori atipici, la mediana offre una lettura più fedele della realtà sul campo. Prima diagnosticare, poi scegliere: questo è l’approccio rigoroso che distingue il professionista Six Sigma da chi applica formule senza metterne in discussione le ipotesi.