La mediana è uno degli indici più utili quando i dati non sono perfettamente “puliti”: salari, affitti, prezzi o tempi di attesa possono avere valori estremi che alterano la media, mentre la mediana resta molto più stabile. In questo articolo spiego come si calcola la mediana, quando conviene usarla al posto della media e quali errori eviterei sempre nei dati reali.
In pratica, la mediana si trova ordinando i dati e scegliendo il valore centrale
- Prima si ordinano i valori dal più piccolo al più grande.
- Se i dati sono dispari, la mediana è il numero in mezzo.
- Se i dati sono pari, si fa la media dei due valori centrali.
- Nei dati economici e sociali la mediana è spesso più affidabile della media.
- Con dati raggruppati o ordinali la logica resta la stessa, ma cambia il modo di leggerla.
Che cos’è la mediana e perché conta nei dati reali
La mediana è il valore che divide un insieme ordinato in due metà: una metà dei dati sta sotto o al massimo uguale al valore centrale, l’altra metà sta sopra o al minimo uguale. È una misura di posizione, non di somma, e proprio per questo descrive bene una distribuzione quando i numeri sono sbilanciati o contengono casi anomali.
Io la considero particolarmente utile quando analizzo fenomeni sociali o economici. Se i redditi di un quartiere, gli affitti di una città o i tempi di consegna di un servizio includono pochi valori molto alti o molto bassi, la media può spostarsi parecchio; la mediana, invece, continua a raccontare il “centro” della distribuzione in modo più onesto.
Questa differenza è decisiva, perché non sempre il dato “tipico” coincide con la media aritmetica. E proprio da qui conviene passare al metodo concreto di calcolo.
Il metodo passo dopo passo per trovare la mediana
La regola pratica è semplice, ma va seguita con ordine. Io parto sempre da questi passaggi:
- Metto i valori in ordine crescente.
- Conto quanti dati ho, cioè la numerosità n.
- Individuo la posizione centrale.
- Se necessario, faccio la media dei due valori centrali.
| Numero di dati | Regola | Risultato |
|---|---|---|
| Dispari | Prendo il valore in posizione (n+1)/2 | Un solo numero centrale |
| Pari | Prendo i due valori centrali e ne faccio la media | Un valore medio tra i due centrali |
Se i dati sono dispari
Supponiamo di avere i valori 12, 15, 18, 20, 26. Sono già ordinati e i dati sono 5, quindi la posizione centrale è la terza. La mediana è 18. Non serve nessun altro calcolo: il valore in mezzo è già la risposta.
Leggi anche: Tavole della distribuzione normale - come leggerle senza errori
Se i dati sono pari
Prendiamo invece 8, 11, 14, 19, 23, 30. I dati sono 6, quindi i due valori centrali sono il terzo e il quarto: 14 e 19. La mediana è la loro media, cioè 16,5. Qui il punto non è scegliere “uno dei due”, ma trovare il centro esatto del gruppo centrale.
Una volta capito questo meccanismo, il passaggio successivo è vedere cosa succede quando i numeri descrivono situazioni reali, come redditi o spese, dove gli estremi contano molto.
Un esempio economico che chiarisce tutto subito
Immagino un piccolo insieme di redditi mensili netti, in euro: 1.200, 1.350, 1.400, 1.450, 1.900, 4.800. Dopo l’ordinamento, i due valori centrali sono 1.400 e 1.450, quindi la mediana è 1.425 euro.
La media, invece, sale molto di più perché il reddito da 4.800 euro spinge verso l’alto il risultato complessivo. In casi come questo la mediana è spesso più utile, perché descrive meglio la situazione “tipica” del gruppo e non si lascia trascinare dal valore eccezionale.
Questo esempio è importante per una ragione molto concreta: nei report su salari, affitti o povertà relativa, la differenza tra media e mediana cambia davvero la lettura del fenomeno. Se si usa lo strumento sbagliato, si racconta una realtà distorta.
| Misura | Valore | Che cosa suggerisce |
|---|---|---|
| Mediana | 1.425 euro | Il livello centrale del gruppo |
| Media | circa 2.017 euro | Un valore spostato dal reddito molto alto |
Da qui nasce il confronto più interessante: non sempre media e mediana sono alternative equivalenti, e in alcuni casi una delle due è semplicemente più adatta.
Quando la mediana dice più della media
Io uso la mediana quando la distribuzione è asimmetrica, quando ci sono valori estremi oppure quando voglio descrivere un centro “robusto”. La media resta utilissima, ma risente di ogni valore e quindi funziona meglio quando i dati sono abbastanza regolari e privi di anomalie marcate.
| Situazione | Misura più adatta | Perché |
|---|---|---|
| Presenza di pochi valori molto alti o molto bassi | Mediana | Gli estremi non la spostano in modo forte |
| Dati abbastanza simmetrici | Media | Rappresenta bene l’insieme nel suo complesso |
| Redditi, affitti, patrimoni, tempi di attesa | Mediana | Il dato centrale è spesso più informativo del valore medio |
| Calcoli di bilancio o quantità totali | Media | Serve una sintesi aritmetica dell’insieme |
Il punto che faccio notare spesso è questo: la mediana non “vince” sempre, ma evita molte letture ingenue. Per questo nei dati economici e sociali è una delle misure che controllo per prime, soprattutto quando il campione è piccolo o molto diseguale.
Resta però un caso che crea più dubbi di altri: cosa succede quando i dati non sono elencati singolarmente, ma arrivano già raggruppati in classi o in tabelle di frequenza?
Quando i dati sono raggruppati o ordinali
Se i dati sono presentati in una tabella di frequenza, la logica non cambia: devo capire dove cade il punto centrale della distribuzione. In pratica guardo le frequenze cumulative finché non supero il 50% del totale; la classe in cui avviene questo passaggio è la classe mediana.
Per esempio, se sto analizzando le età di un gruppo e ho classi come 18-24, 25-34, 35-44, non cerco più il singolo valore centrale nei dati grezzi: individuo la fascia che contiene il centro della distribuzione. Se le classi sono ampie, posso stimare la mediana con un’interpolazione, ma il risultato resta comunque un’approssimazione e va interpretato come tale.
La mediana funziona anche con variabili ordinali, cioè con categorie ordinabili come “basso”, “medio”, “alto” o livelli di soddisfazione. Qui però non ha senso applicarla a variabili nominali, come colore o nazionalità, perché non esiste un ordine naturale da cui ricavare il centro.
| Tipo di dato | Mediana calcolabile | Nota pratica |
|---|---|---|
| Quantitativo | Sì | È il caso più semplice |
| Ordinale | Sì | Serve un ordine logico tra le categorie |
| Nominale | No | Manca un ordine su cui definire il centro |
Questa distinzione evita molti errori di lettura, soprattutto nei sondaggi e nelle analisi sociali. E proprio gli errori, in pratica, sono la parte che rovina più spesso un calcolo corretto.
Gli errori che falsano il risultato
Quando rivedo calcoli fatti in fretta, i problemi ricorrenti sono quasi sempre gli stessi:
- non ordinare i valori prima di cercare il centro;
- confondere la mediana con la media aritmetica;
- dimenticare che, con un numero pari di dati, servono i due valori centrali;
- usare la mediana su categorie che non hanno un ordine;
- trascurare le unità di misura, soprattutto quando i dati arrivano da fonti diverse.
Il primo errore è il più banale e anche il più pericoloso: senza ordinamento, il valore centrale non significa nulla. Il secondo è più sottile, perché nasce dall’idea che tutte le misure di sintesi siano intercambiabili. Non lo sono. Ogni indice risponde a una domanda diversa, e la mediana risponde bene alla domanda “qual è il centro della distribuzione?”.
Se devo dare un consiglio operativo, è questo: prima di fidarti del risultato, controlla sempre se la distribuzione è simmetrica o distorta, e se ci sono valori anomali. Quel controllo richiede pochi secondi, ma cambia la qualità dell’analisi.
Il controllo finale che uso prima di fidarmi del risultato
Quando chiudo un calcolo della mediana, faccio sempre quattro verifiche rapide: i dati sono ordinati, la numerosità è corretta, la posizione centrale è stata individuata bene e il risultato ha senso nel contesto. Sembra una routine minima, ma evita quasi tutti gli errori grossolani.
In un dataset piccolo basta un numero trascritto male per spostare tutto. In uno più grande, invece, il problema opposto è fidarsi troppo del valore finale senza guardare la forma della distribuzione. Io considero la mediana affidabile proprio perché è sobria: non promette di riassumere tutto, ma dà una lettura solida del centro quando i dati sono rumorosi o sbilanciati.
Se vuoi usare bene questo indicatore, pensa sempre al contesto prima che alla formula: la mediana è un numero, ma il suo senso nasce dal modo in cui i dati sono distribuiti.
