Matemáticas para ciencia de datos · Lección 1 de 10
Resumir datos sin engañar
Elegir la medida de centro adecuada a la forma de los datos.
El primer paso siempre es mirar
Antes de calcular nada conviene ver la distribución. Cuatro conjuntos de datos completamente distintos pueden compartir media, varianza y recta de regresión: es el cuarteto de Anscombe, y es la mejor advertencia contra resumir a ciegas.
Un resumen numérico sin un gráfico al lado puede describir algo que no se parece en nada a los datos reales.
Media o mediana
Con datos simétricos, la media aporta más información. Con datos sesgados —ingresos, tiempos de respuesta, tamaños de archivo— la mediana describe mejor el caso típico.
Comparar las dos es el diagnóstico más rápido: si se separan mucho, hay sesgo o valores atípicos.
Y la dispersión no es opcional
Publicar una media sin desviación típica o sin rango intercuartílico es dar la mitad de la información. Dos conjuntos con la misma media pueden ser radicalmente distintos.
En un informe serio, cada medida de centro va acompañada de una de dispersión. Sin eso no se puede juzgar nada.
Practica
Cada ejercicio se genera con números nuevos y lo corrige el mismo motor que mueve las calculadoras del sitio. La lección se da por dominada al acertar 4 de los últimos 5.
¿Quieres comprobar tus propios números? Esta calculadora resuelve lo mismo paso a paso: Media, mediana y moda.