Media, mediana, moda: quando ciascuna è la media giusta

“Media” nel linguaggio quotidiano di solito significa la mediaaritmetica. In statistica è una parola più vaga che copre almeno tre metriche diverse: media, mediana e moda. Ognuna misura “il valore tipico” in un dataset, ma risponde a domande diverse e differisce drammaticamente sui dati asimmetrici. Questa guida spiega quando ognuna è lo strumento giusto.

Le tre definizioni, veloci

• Media — somma di tutti i valori divisa per il conteggio. Il default. Stesse unità dei dati.
• Mediana — il valore centrale del dataset ordinato. Metà sopra, metà sotto.
• Moda — il valore che si verifica più frequentemente. L’unica che funziona sui dati non numerici.

La classica divergenza: il reddito

Reddito familiare statunitense, 2023 (American Community Survey):

• Media: $111.000
• Mediana: $80.610
• Moda: circa $40.000-50.000 (la fascia più popolosa)

Tre numeri che rispondono tutti a “quanto guadagna una famiglia tipica statunitense?” — e differiscono fino a un fattore tre. La media è tirata su dai percettori dell’1%; la mediana si trova al punto centrale effettivo della distribuzione; la moda riflette dove si trova la fascia più grande.

Per le discussioni politiche e i titoli delle notizie, la mediana è quasi sempre il numero giusto — è robusta contro gli outlier e rappresenta una famiglia effettivamente raggiungibile. La media fuorvia tranne che per il budgeting aritmetico (tasse raccolte = famiglie × reddito medio).

Quando usare ciascuna

Usa la MEDIA quando

• La distribuzione è approssimativamente simmetrica. Altezze, punteggi IQ, errore di misura. Media e mediana concordano strettamente; la media va bene da riportare.
• Hai bisogno di calcolare i totali dalle medie. La media (× conteggio) ti dà la somma esattamente. La mediana no.
• La alimenterai in ulteriori statistiche. Varianza, deviazione standard, intervalli di confidenza si basano tutti sulla media.

Usa la MEDIANA quando

• La distribuzione è asimmetrica. Reddito, prezzi delle case, tempi di risposta, dimensioni dei file, degenze ospedaliere, costi dei progetti.
• Gli outlier sono probabili e non controllati. Dati dei sensori con glitch occasionali, numeri inseriti manualmente con errori di battitura, web analytics con traffico bot.
• Vuoi l’“esperienza tipica”. Tempo di attesa mediano, pendolarismo mediano, tempo di risposta mediano nel servizio clienti.

Usa la MODA quando

• I dati sono categorici. Colore preferito, browser usato, paese di origine. Media e mediana non sono definite per questi; la moda è l’unico riassunto.
• Vuoi il caso più comune. Prodotto più popolare, tipo di errore più comune, taglia scatola UPS più spedita.
• Sospetti una distribuzione bimodale. Altezze maschi+femmine combinate, dati meteorologici caldo-freddo, traffico di rete in picco/fuori picco.

La trappola della distribuzione asimmetrica

Gli articoli di notizie riportano regolarmente il reddito medio, il prezzo medio delle case, il tempo di risposta medio. Tutte e tre sono distribuzioni asimmetriche verso destra; in tutte e tre la media è costantemente più alta della mediana; riportare la media sopravvaluta sistematicamente il “tipico”.

Test rapido: se il dataset ha un pavimento rigido (zero) e nessun soffitto rigido, è probabilmente asimmetrico verso destra. Usa la mediana.

Quando riportare tutte e tre

La presentazione onesta dei dati di solito mostra media, mediana e una misura di dispersione (deviazione standard o range interquartile). La differenza tra media e mediana dice immediatamente al lettore quanto è asimmetrica la distribuzione. Una media di $111k e una mediana di $81k ti dice più di entrambi i numeri da soli — ovvero, la distribuzione ha una coda destra lunga.

Calcola tutte e tre (più percentili, deviazione standard e un istogramma) in un solo passaggio con il nostro calcolatore statistico.

Procedura dettagliata: monitoraggio del tempo di risposta

Sei richieste API questa mattina misurate in millisecondi: [42, 51, 48, 55, 47, 2.800]. L’ultima è un outlier da cold-start. Tre riassunti:

• Media: (42+51+48+55+47+2800)/6 = 507 ms.
• Mediana: ordina a [42, 47, 48, 51, 55, 2800], prendi la media dei due valori centrali = 49,5 ms.
• Moda: tutti i valori compaiono una volta, quindi la moda non è definita per questo campione.

Riportare solo la media (“tempo di risposta medio: 507 ms”) convincerebbe uno stakeholder che l’API è rotta. Riportare solo la mediana (“risposta tipica: 49,5 ms”) nasconde il problema del cold-start. Il riassunto onesto è entrambi i numeri più il p99: “mediana 50 ms, p99 ~2,8 s — veloce nel caso comune, picchi di cold-start occasionali.” Questo è azionabile; nessuno dei due numeri da solo lo è.

Errori comuni

• Calcolare la “media delle medie”. La media delle medie di tre gruppi non è la media dei dati combinati a meno che i gruppi non siano della stessa dimensione. Ricalcola sempre dai dati grezzi, o usa una media ponderata con le dimensioni dei gruppi come pesi.
• Riportare la mediana senza una metrica di dispersione. Due dataset con mediane identiche possono avere forme completamente diverse. Aggiungi il range interquartile (Q3 − Q1).
• Chiamare una distribuzione bimodale “la media”. Una distribuzione combinata di altezze maschi+femmine ha due picchi a ~168 cm e ~178 cm. La media (~173 cm) non descrive nessuno. Disaggrega per gruppo.
• Usare la moda per dati continui. Per misurazioni veramente continue ogni valore è tecnicamente unico; la moda è indefinita. Usa un istogramma e identifica il bin più denso.

Per la domanda correlata sulla dispersione, continua con la nostra guida sulla deviazione standard. Per il quadro della variazione percentuale che spesso segue le statistiche di riassunto, vedi percentuale vs punto percentuale.