Ejecutar NumPy online

Media, mediana y desviación estándar con NumPy

En esta lección vas a calcular con NumPy las estadísticas descriptivas básicas: media, mediana y desviación estándar.

  • Intermedio
  • 2 min de lectura
  • 1 ejemplo ejecutable

Introducción

El problema

Una lista de 100 notas es difícil de leer. Quieres dos respuestas rápidas: ¿cuál es una nota típica y cuánto se alejan las notas unas de otras? La media, la mediana y la desviación estándar responden exactamente a esas preguntas.

Imagínalo así

Imagina a los estudiantes colocados sobre una recta numérica según su nota. La media es el punto de equilibrio de la recta, la mediana es el estudiante que está en el centro de la fila, y la desviación estándar te dice a qué distancia del punto de equilibrio suelen estar los estudiantes.

De los estudiantes en una recta al código
np.mean(scores)⚖️ El punto de equilibrio: 84.0
np.median(scores)🧍 El estudiante del centro: 85.0
np.std(scores)↔️ Distancia típica al centro: 7.13
round(..., 2)✂️ Deja dos decimales
El centro y la dispersión resumen un conjunto de números.
En una frase

La media es la suma dividida entre la cantidad de valores, la mediana es el valor central tras ordenarlos, y la desviación estándar mide a qué distancia de la media suelen estar los valores.

Puntos clave

  1. np.mean(scores) suma las cinco notas y divide entre 5: 84.0.
  2. np.median(scores) las ordena y toma la del centro: 85.0.
  3. np.std(scores) mide la dispersión, y round(..., 2) la muestra como 7.13.
  4. Una sola nota muy baja bajaría la media mucho más que la mediana.

¿Cuándo se usa?

  • Resumir notas, precios, tiempos y medidas.
  • Detectar valores raros que están lejos de la media.
  • Comparar dos grupos, como dos clases o dos productos.

Cuándo no hace falta

  • Datos con valores extremos, como los ingresos: la mediana describe mejor un valor típico que la media.
  • Una muestra de una población mayor: usa np.std(scores, ddof=1) para la desviación estándar muestral.

Código de ejemplo

Ejecutar código →
main.py
import numpy as np

scores = np.array([72, 81, 85, 90, 92])

print("mean:", np.mean(scores))
print("median:", np.median(scores))
print("std:", round(np.std(scores), 2))
Obtén un botón Run para este ejemplo

Resultado de la ejecución

mean: 84.0
median: 85.0
std: 7.13

Explicación del código

Las funciones np.mean(), np.median() y np.std() calculan por defecto sobre todo el arreglo. La media de la clase es 84.0, la nota central tras ordenar es 85.0 y la desviación estándar de unos 7.13 significa que las notas suelen alejarse unos 7 puntos de la media. Con un arreglo de varias dimensiones, puedes pasar el parámetro axis para calcular por fila o por columna.

Cambia los valores y ejecuta el programa en el compilador Python online de CodeUtility sin instalar Python.

Ejercicios de práctica

Prueba a modificar el código siguiendo las ideas de abajo. Cambiar el código y ver el resultado te ayudará a entender la lección mucho mejor que solo leerla.

  1. Cambia la forma (shape) y el tipo de datos (dtype) del arreglo de entrada.
  2. Prueba con números negativos, decimales y valores faltantes.
  3. Aplica la misma operación a un arreglo más grande de varias dimensiones y mide el tiempo.
Ejecutar en el compilador de Python →

Errores comunes

Usar la fórmula de población para una muestra

Por defecto, np.std divide entre n, pero para una muestra hay que dividir entre n - 1.

Problema
np.std(sample)
Solución
np.std(sample, ddof=1)

¿Terminaste esta lección?

Márcala como aprendida para seguir tu progreso.

Practica con un reto

Usa lo que cubre esta lección para resolver un problema real. Cada reto se ejecuta en el navegador, con pruebas al instante y una revisión de IA.

Todos los retos