Una Distribución es una Forma
La Estadística tiene una Geometría
Cada conjunto de datos tiene una forma. Si trazas los valores a lo largo de una línea numérica y apilas una barra en cada lugar donde se agrupan, aparece una silueta: un montículo, una inclinación asimétrica, una cola larga. La estadística le da coordenadas a esa forma.
Dos hitos localizan el centro de la forma.
La media es el centroide: el punto de equilibrio. Imagina cada valor de datos como un peso igual sentado en una viga balanceada a lo largo de la línea numérica. La media es el único punto de pivote donde la viga se equilibra. Los valores lejanos al centro ejercen palanca exactamente de la misma manera que un niño pesado situado lejos en una viga: distancia por peso.
La mediana es el punto medio por conteo: el valor que tiene la mitad de los datos por debajo y la mitad por encima. Solo le importan el orden y la cantidad, nunca la distancia a la que se encuentra un valor.
En una forma perfectamente simétrica, el punto de equilibrio y el punto medio coinciden: la media es igual a la mediana. Rompe la simetría y se separan.
La asimetría es esa simetría rota. Una asimetría a la derecha tiene una cola larga que se extiende hacia valores altos (como unos pocos multimillonarios en un conjunto de datos de ingresos). Esos pesos distantes tiran del punto de equilibrio hacia la cola, por lo que la media se sitúa a la derecha de la mediana. Una asimetría a la izquierda hace lo contrario.
This is why a median household income and a mean household income differ: the geometry of a lopsided shape pulls the centroid away from the count-middle.
¿Hacia dónde se mueve la media?
Una ciudad reporta los ingresos de sus hogares. La mayoría de las familias ganan entre 40.000 y 90.000, pero un puñado de residentes gana varios millones. La forma de los ingresos tiene una cola larga que se extiende hacia la derecha.
¿Qué tan lejos del centro es lo típico?
La dispersión es una distancia
El centroide te dice dónde se equilibra la forma. No dice nada sobre qué tan ancha es la forma. Dos conjuntos de datos pueden compartir una media idéntica y, sin embargo, verse completamente distintos: uno agrupado estrechamente alrededor del centro y el otro extendido ampliamente.
La desviación estándar (sigma) mide la dispersión: es, en efecto, la distancia típica de un valor respecto a la media. Una sigma pequeña significa una forma estrecha y alta que se adhiere al centro. Una sigma grande significa una forma amplia y plana que se extiende mucho a ambos lados.
Considera a dos arqueros. Ambos promedian en el centro exacto: su centroide se sitúa en el centro de la diana. El arquero A agrupa todas las flechas dentro de un ancho de mano del centro (sigma pequeña). El arquero B dispersa las flechas por toda la diana, pero los fallos se cancelan de modo que el promedio sigue siendo el centro (sigma grande). Misma media, dispersión opuesta. La media por sí sola no puede distinguirlos; la desviación estándar sí puede.
Geométricamente, sigma establece la escala horizontal de la distribución. Estirar una forma más hacia los lados sin mover su punto de equilibrio equivale a aumentar la sigma manteniendo la media fija. Ese único número, el ancho de la forma, es en lo que se basa la siguiente idea.
Mismo Centro, Diferente Ancho
Dos fábricas llenan cada una bolsas con un peso medio de 500 gramos. La Fábrica A tiene una desviación estándar de 4 gramos. La Fábrica B tiene una desviación estándar de 20 gramos.
Un cliente rechaza cualquier bolsa que se desvíe más de 15 gramos de los 500.
El Error que se Reduce como 1 sobre Raíz de n
De la Dispersión de los Datos a la Dispersión de una Estimación
Rara vez mides una población completa. Tomas una muestra y calculas su media como estimación. Si tomas una muestra diferente, obtienes una media ligeramente distinta. Esas medias muestrales tienen su propia forma: la distribución de muestreo, centrada en la media verdadera.
Su ancho tiene un nombre: el error estándar de la media.
SE = sigma / sqrt(n)
donde sigma es la dispersión de los valores individuales y n es el tamaño de la muestra. El error estándar es la distancia típica entre una media muestral y la media verdadera: es la dispersión de tu estimación, no de los datos brutos.
La geometría reside en esa raíz cuadrada. SE disminuye como 1/sqrt(n), no como 1/n. Promediar más mediciones estrecha la distribución de muestreo, pero con rendimientos decrecientes: cada nueva observación aporta menos estrechamiento que la anterior.
La consecuencia directa: para REDUCIR A LA MITAD el error estándar, debes CUADRIPLICAR el tamaño de la muestra. Pasar de n = 100 a n = 200 no reduce tu error a la mitad; necesitas n = 400. La precisión es costosa porque escala con la raíz cuadrada.
Las curvas anteriores comparten un mismo centro y se estrechan en ancho a medida que n aumenta de 25 a 100 a 400, manteniendo sigma en 20. Lee el SE en cada una: 4, luego 2, luego 1.
Calcular el Error Estándar
Una población de puntuaciones de examen tiene una desviación estándar sigma = 20. Extraes una muestra de tamaño n = 100 y calculas su media.
Cuando el eje miente
Geometría manipulada
Un gráfico es una traducción geométrica: los números se convierten en longitudes, áreas y pendientes que el ojo lee al instante. Si se manipula la traducción, el ojo reporta una mentira que los datos nunca dijeron.
Eje truncado. Un gráfico de barras debe comenzar su eje de valores en cero, para que la altura de la barra se mantenga proporcional al valor. Si se inicia el eje en, por ejemplo, 95 en lugar de 0, un aumento de 100 a 102 (un cambio real del 2 por ciento) llena el cuadro como si fuera enorme. Las longitudes trazadas ya no coinciden con las proporciones de los números. En un gráfico de líneas, el mismo truco hace que todas las pendientes sean más pronunciadas: una subida suave se lee como un acantilado porque la escala vertical se comprimió en una ventana estrecha.
Inflación de la pendiente. La pendiente es la elevación dividida por la distancia horizontal. Si se reduce el rango que abarca el eje (la amplitud de valores que muestra) manteniendo la altura en píxeles fija, cada elevación se redibuja más pronunciada. La tendencia no ha cambiado; solo lo ha hecho la geometría del cuadro.
Distorsión de área frente a longitud. Para mostrar que una cantidad se duplica, un gráfico honesto duplica UNA dimensión: una barra el doble de alta. Uno deshonesto escala un icono o un círculo en AMBOS, ancho y alto, de modo que un valor de 2x se convierte en una imagen con 4x el área. Como el ojo juzga el área, un duplicado parece un cuádruple. Los gráficos de burbujas abusan constantemente de esto cuando mapean el valor al radio en lugar de al área, ya que el área crece como el cuadrado del radio.
El hábito profesional: verificar dónde comienza el eje, comprobar si la longitud o el área codifica el valor, y reescalar mentalmente antes de confiar en la forma.
Diagnostica la distorsión
Un panel de control muestra cómo los ingresos trimestrales suben de 100 a 104 millones. Para hacer que la ganancia parezca dramática, el diseñador inicia el eje vertical en 98 en lugar de 0. Un segundo panel representa la misma ganancia del 4 por ciento dibujando un icono de bolsa de dinero escalado al 4 por ciento en AMBOS ancho y alto.
La forma, la dispersión, el error, el eje
Llevándolo a la práctica
Los paneles de control automatizados dibujan la forma por ti. Renderizan las barras, ajustan la curva y animan la tendencia. Lo que no pueden hacer es leer la geometría con criterio. Ese es el trabajo del profesional.
Un lector entrenado realiza cuatro comprobaciones en cualquier gráfico:
- Centroide. ¿Dónde se equilibra la forma y la asimetría está arrastrando la media lejos de la mediana? Un solo promedio reportado puede ocultar una realidad sesgada.
- Dispersión. ¿Qué tan ancha es la forma? Un promedio que parece confiable pero se basa en una varianza enorme es como lanzar una moneda, pero con traje.
- Error de muestreo. ¿Qué tan grande fue n? La estimación lleva un error estándar de sigma/sqrt(n), y una muestra diminuta significa un intervalo amplio e poco confiable, sin importar lo nítido que parezca el número principal.
- Geometría del eje. ¿El eje de valores comienza en cero? ¿La cantidad está codificada como longitud o como área? Un eje manipulado convierte un error de redondeo en una revolución.
El tablero de control proporciona la imagen. Tú aportas la desconfianza. Un gráfico cuya geometría de ejes está manipulada, o cuya muestra es demasiado pequeña, genera escepticismo por muy pulido que parezca.
Lee este tablero de control
El tablero de control de una startup proclama: el ingreso promedio por usuario AUMENTÓ este trimestre. La letra pequeña: el promedio proviene de una muestra de n = 9 usuarios, dos de los cuales son cuentas empresariales enormes, y el eje del gráfico de barras comienza en el 90 por ciento del valor del trimestre anterior.
Geometría de la Estadística: Resumen
Lo que has aprendido
La estadística es geometría vestida de números:
- La media es un centroide: el punto de equilibrio de los datos. El sesgo tira de ese punto de pivote hacia la cola larga, por lo que una forma con sesgo a la derecha tiene media > mediana. La mediana solo cuenta posiciones, por lo que resiste ese tirón.
- La desviación estándar es la dispersión: la distancia típica desde el centro, el ancho de la forma. Dos distribuciones pueden compartir una media y, sin embargo, diferir enormemente en la distancia a la que se dispersan sus valores.
- El error de muestreo es sigma/sqrt(n): el ancho de la distribución de muestreo. Se reduce como 1/sqrt(n), por lo que reducir a la mitad tu error cuesta una muestra cuatro veces mayor. La precisión se compra con la raíz cuadrada.
- La geometría del eje puede mentir: un eje truncado desvincula la longitud del valor y empina la pendiente; al escalar un icono en dos dimensiones, el área crece como el cuadrado del factor, por lo que el ojo interpreta un doble como un cuádruple.
Los paneles automatizados dibujan la forma. El profesional la interpreta: localizando el centroide, midiendo la dispersión, ponderando el error de muestreo y desconfiando de cualquier gráfico cuya geometría de ejes esté manipulada. La imagen es el suelo; el juicio es el techo.