Hace unos días presenté una tabla aparentemente sencilla. Tenía datos por edad, por entidad federativa, algunos totales, varios valores ordenados y varias preguntas que, en apariencia, cualquiera podría responder: ¿cuál es la media, la mediana y la moda? Después vino otra: ¿cómo se calcula la desviación estándar? Luego otra más: ¿cómo se identifican los valores atípicos? Y, como suele ocurrir con la estadística, lo que parecía un ejercicio técnico terminó mostrando algo mucho más importante: no basta con tener datos; hay que saber leerlos.
Vivimos rodeados de cifras. Nos despertamos con porcentajes de aprobación, tasas de homicidio, inflación, encuestas electorales, pobreza laboral, percepción de inseguridad, confianza institucional, homicidios por edad, ingresos por decil, brechas entre estados, rankings, promedios nacionales y comparaciones históricas. Todo parece dato. Todo se presenta como evidencia. Todo llega envuelto en gráficas, mapas, titulares y frases que suenan contundentes, pero entre ver un número y entenderlo hay una distancia enorme. Esa distancia se llama alfabetización estadística.
La estadística suele cargar con una mala fama. Es considerada como una materia árida, reservada para matemáticos, economistas, actuarios o personas que disfrutan sufrir con fórmulas. La estadística no es eso o no es solamente eso. La estadística es una forma de ordenar preguntas sobre la realidad. Es una herramienta para distinguir entre una impresión y un patrón, entre una anécdota y una tendencia, entre una diferencia mínima y una brecha sustantiva.
Saber estadística no significa hacer cálculos complejos de memoria ni hablar con tecnicismos para intimidar a los demás. Significa entender cosas básicas pero poderosas. Por ejemplo, un promedio puede ocultar desigualdades enormes. La mediana a veces describe mejor una realidad que la media, que la moda no siempre existe; que un dato nacional no sustituye lo que ocurre en las entidades; que una tasa no es lo mismo que un total absoluto; que una estimación nacional no es lo mismo que el promedio nacional; que un cambio porcentual puede sonar espectacular cuando parte de una base pequeña; que una gráfica puede ser correcta y aun así inducir una lectura equivocada.
Pensemos en la media, la mediana y la moda. A primera vista son conceptos escolares, de esos que muchas personas aprendimos para pasar un examen y luego dejamos guardados en algún cajón mental. En realidad, sirven para tomar decisiones y para leer discusiones públicas. La media, o promedio, nos dice cómo se reparte un valor si lo distribuyéramos de manera pareja. La mediana nos dice dónde está el punto central de una distribución. La moda nos dice cuál es el valor más frecuente. Las tres medidas pueden salir de los mismos datos y contar historias distintas.
Eso importa porque no todas las distribuciones son iguales. Si hablamos de ingresos, por ejemplo, el promedio puede subir por la presencia de pocos ingresos muy altos, aunque la mayoría de las personas no experimente esa mejora. En ese caso, la mediana puede ser más honesta para describir la experiencia típica. Si hablamos de edad de víctimas, la moda puede mostrarnos la edad más frecuente, pero la media y la mediana permiten entender la estructura general del fenómeno. Ninguna medida habla sola. Todas necesitan contexto.
Lo mismo ocurre con la variabilidad. En el ejercicio con datos estatales, no bastaba con decir cuál entidad tenía el valor más alto y cuál el más bajo. Eso era apenas el rango: la distancia entre dos extremos. El rango sirve, pero también puede ser engañoso porque depende sólo del mínimo y del máximo. Por eso aparecen otras medidas, como la desviación estándar o el rango intercuartílico. La primera nos ayuda a entender qué tanto se alejan los datos del promedio. El segundo nos permite ver dónde se concentra el 50 por ciento central de las observaciones, sin que los extremos pesen demasiado.
A veces la palabra “desviación estándar” espanta más de lo que debería. Pero la intuición es sencilla: si todas las entidades tienen valores parecidos, la desviación estándar será baja; si los valores están muy dispersos, será alta. Hay una pregunta clara: ¿los datos están concentrados o están muy separados entre sí? Esa pregunta es fundamental para discutir políticas públicas. No es lo mismo diseñar una intervención para un país relativamente homogéneo que para uno con brechas fuertes entre entidades, municipios, grupos de edad o niveles de ingreso.
Por eso la alfabetización estadística no debería ser un lujo profesional. No debería depender de estudiar una carrera cuantitativa ni de trabajar en una institución especializada. Debería formar parte de la educación ciudadana básica. Así como aprendemos a leer textos, también deberíamos aprender a leer tablas. Así como distinguimos entre una opinión y un argumento, deberíamos distinguir entre un porcentaje, una tasa, un promedio y una frecuencia absoluta. Así como exigimos claridad en el lenguaje, deberíamos exigir claridad en los datos.
