Cuando manejaba la caja del restaurante, había una regla que me enseñaron sin libros: los promedios mienten. Pedir los tomates según el consumo medio de la semana era la receta perfecta para quedarse corto justo el sábado en la noche. Lo comprobé muchas veces antes de aplicar correctamente el concepto de percentil. La solución fue sencilla: comprar la cantidad que solo me dejara sin tomates el 15 % de los días, y asumir que ese riesgo era aceptable. Esa cifra; el percentil 85, me ayudó a mejorar el servicio, reducir desperidicios, mejorar las ganancias.
Ese gesto tan casero esconde una verdad profunda: los eventos críticos no viven en la media; viven en las colas. Cualquier analista que haya pisado una fábrica, una bodega o un piso de ventas lo intuye. Los informes pulcros, llenos de promedios y desviaciones, a veces pasan por alto lo que de verdad quiebra un proceso: el pedido que llegó tres días tarde, la pieza que falló a las cien horas, el cliente que concentró todas las quejas. Mirar solo la media es como manejar viendo únicamente el velocímetro: te dice a qué velocidad vas, pero no vas a ver la curva, ni el precipicio.
Una intuición que la práctica confirma
La estadística no niega esto. Lo que pasa es que en la formación básica y en la urgencia del reporte quincenal se nos olvida. La media es útil, sí, pero es incompleta. Dos procesos pueden tener la misma media y riesgos opuestos si uno es estrecho y el otro disperso. Y cuando hay asimetría o valores atípicos, la media se va detrás de ellos y te cuenta una historia que no le pasó a la mayoría.
Por suerte, existe una caja de herramientas pensada justo para lo otro: para los extremos. Y esa caja empieza con una palabra que casi nunca está en los titulares: cuantiles.
La lógica del percentil y la regresión cuantílica
Un percentil no es más que el valor que deja por debajo un determinado porcentaje de los datos. Si vos decidís que te basta con cubrir la demanda de tomates el 85 % de los días, el percentil 85 te da el número exacto para lograrlo. No es magia: es una medida de posición, inmune a la forma de la distribución, que describe directamente la cola que te interesa.
La regresión cuantílica lleva esta lógica a otro nivel. Mientras la regresión clásica modela la media condicional (cuántos tomates se venden en promedio según el día de la semana o el clima), la regresión cuantílica te modela directamente el percentil que vos elijas. Para el restaurante, se podría ajustar un modelo que prediga el percentil 85 de la demanda a partir de variables como:
- Día de la semana (los viernes mandan).
- Eventos en la zona.
- Temperatura máxima prevista.
Cada mañana tendrías un número de pedido distinto, afinado a las condiciones de ese día, que mantiene la probabilidad de desabastecimiento clavada en el 15 % que aceptaste. No comprás de más ni de menos: comprás con el riesgo controlado. Eso es mirar la cola superior y no la media.
La media: necesaria pero insuficiente
La media tiene su lugar. Es fácil de calcular, se comporta bien bajo normalidad y es la base de muchos modelos. Pero por sí sola no alcanza. Dos carencias que duelen en el día a día:
- No dice nada de cuánto varían los datos. Sin una medida de dispersión, la media es un punto ciego. El mismo promedio puede esconder un proceso disciplinado o uno salvaje.
- Se deja engañar por los valores raros. Si hay un cliente que una vez pagó diez veces más que todos, la media del ticket se dispara y no representa a nadie. La mediana o los percentiles resisten mejor esos enviones.
Por eso los estadísticos insisten: mostrá la media, pero nunca la dejés sola. Que siempre vaya acompañada de la desviación estándar, del rango intercuartílico y, sobre todo, de lo que ocurre en los extremos.
Los extremos mandan en la operación
En la trinchera, las decisiones cruciales casi nunca se toman sobre el promedio, sino sobre los límites. Unos ejemplos que me tocaron de cerca o que vi en otros:
- Calidad: una especificación define un máximo y un mínimo. El lote puede tener una media perfecta, pero si la dispersión es alta, muchas unidades se van fuera de rango y generan retrabajo, devoluciones, mala fama.
- Logística: el tiempo medio de entrega puede ser 48 horas, pero lo que el cliente recuerda es el pedido que demoró cuatro días. El percentil 95 del tiempo de entrega es mucho más honesto que la media para fijar acuerdos de servicio.
- Riesgo financiero: la media de los rendimientos no habla del día negro. El VaR y el Expected Shortfall se alimentan de las colas, no del centro.
- Salud: la presión arterial media de la población puede estar bien, pero los hipertensos severos están en la cola y son ellos los que congestionan urgencias. Monitorear extremos permite activar protocolos antes de que el sistema colapse.
- Ventas: el ticket medio son 50 mil pesos, pero el 20 % de los clientes, los de la cola alta, pueden generar el 80 % de la facturación. Cuidarlos es una estrategia que se lee en los cuantiles, no en los promedios.
En todos estos casos, el foco en la media insulta la complejidad del problema. La información que vale está en los extremos.
¿La estadística ignora los extremos? Rotundamente no
Una queja recurrente es que la estadística solo mira el centro. Pero eso es desconocer la caja de herramientas. Existen métodos específicos, sólidos y viejos, para los extremos:
- Intervalos de tolerancia: en vez de un intervalo de confianza para la media, te dicen que el 95 % de las observaciones futuras estará dentro de ciertos límites. Eso es hablar el idioma de la operación.
- Percentiles y cuantiles: directos, sin supuestos de normalidad, ideales para describir colas.
- Gráficos de caja y bigotes: con un vistazo ves la mediana, los cuartiles, los valores atípicos. Son brújula visual de exploración.
- Teoría de valores extremos: modelos para las colas pesadas, usados en hidrología, seguros, finanzas, climatología. Para cuando lo improbable puede ser devastador.
- Detección de anomalías: todo un campo estadístico y de machine learning dedicado a encontrar lo que se sale del patrón. La base de cualquier sistema de alerta temprana.
La estadística no está ciega a los extremos; somos nosotros los que a veces nos quedamos con el resumen más cómodo. Abrir la caja de herramientas es una decisión profesional, no un capricho técnico.
Un enfoque integrado: mirar el centro y las orillas a la vez
No se trata de abandonar la media, sino de rodearla bien. Un análisis riguroso debería incluir, como mínimo:
- Tendencia central: media, mediana.
- Dispersión: desviación estándar, rango intercuartílico, coeficiente de variación.
- Forma: asimetría y curtosis, que avisan si las colas pesan más de lo normal.
- Percentiles clave: 1, 5, 95 y 99 como ventanas a los extremos.
- Visualización de la distribución completa: histogramas, densidades, boxplots, Q-Q plots.
Con esa mirada completa, podés entender el comportamiento típico y el riesgo de los eventos raros. Y podés, sobre todo, construir alertas que se disparen cuando las colas empiezan a moverse.
Alertas tempranas desde los extremos
Un sistema de monitoreo que solo vigila la media es como un guardia que solo mira el frente de la puerta. Para detectar problemas antes de que estallen, hay que vigilar los extremos con estas prácticas:
- Límites de control para observaciones individuales (gráficos I-MR), que atrapan puntos fuera de la variabilidad natural.
- Umbrales basados en percentiles: si el percentil 95 del tiempo de respuesta supera un tope acordado, se investiga.
- Tendencias en los extremos: no solo un valor raro, sino una secuencia que se acerca peligrosamente a los límites.
- Análisis de causas: cuando aparece un extremo, preguntarse si fue un accidente aislado o el síntoma de un cambio estructural.
La combinación de monitoreo del centro y de las orillas te da un radar más sensible y te anticipa a las crisis.
Recomendaciones para quien trabaja con datos
Si estás en una mesa de análisis, en una planta o en un tablero de control, estas cinco prácticas te van a ayudar:
- No publiques una media sin su desviación y sin al menos un percentil extremo. Desconfiá de quien lo hace.
- Usá boxplots en tu exploración inicial: te muestran en un segundo dónde están los puntos raros.
- Definí umbrales de alerta con criterio: ±3 desviaciones estándar o percentiles 0.1 y 99.9, según lo que sea relevante en tu contexto.
- Si tu proceso tiene colas pesadas o el riesgo catastrófico es real, explorá la teoría de valores extremos. No le tengás miedo al nombre.
- Comunicá con imágenes, no con tablas interminables. Un gráfico que señale los extremos cuenta la historia más importante en un solo golpe de vista.
Los promedios describen; los extremos informan. Y en este oficio, informar es proteger el negocio, el proceso y a la gente que depende de ellos. La próxima vez que alguien te diga que todo está bajo control porque la media va bien, acordate de los tomates del sábado en la noche.