Curso
Análisis exploratorio de datos en Python
4 h
115.8K
¿Alguna vez te has preguntado por qué el PER medio de tu cartera parece inusualmente alto cuando usas un promedio simple? ¿O por qué al combinar resistencias en paralelo en un circuito eléctrico necesitas un tipo especial de promedio? Estos casos ponen de relieve la importancia de entender la media armónica: una potente herramienta estadística especialmente útil al trabajar con tasas, proporciones y relaciones recíprocas.
En este tutorial, veremos qué es la media armónica, sus aplicaciones y por qué a veces es mejor opción que otros promedios. Veremos cómo se usa en distintos ámbitos, desde finanzas hasta física, y su creciente importancia en ciencia de datos y aprendizaje automático. Si quieres impulsar tu carrera en este campo, nuestro itinerario de aprendizaje Machine Learning Scientist in Python cubre a fondo este y otros conceptos estadísticos esenciales.
¿Qué es la media armónica?
La media armónica es un tipo de promedio especialmente útil cuando trabajas con tasas o proporciones. A diferencia de la media aritmética, que suma los números y divide entre la cantidad, o la media geométrica, que maneja relaciones multiplicativas, la media armónica está pensada para situaciones con relaciones recíprocas.
Para un conjunto de números, la media armónica se calcula así:
- Tomar el recíproco de cada número.
- Calcular la media aritmética de esos recíprocos.
- Tomar el recíproco de ese resultado.
Cuándo usar la media armónica
La media armónica es útil en varios escenarios y disciplinas. Ya lo adelanté en la introducción, pero veamos en detalle cada ámbito en el que esta medida resulta especialmente valiosa.
Análisis financiero
En finanzas, la media armónica permite calcular métricas de cartera con precisión. Es especialmente útil con ratios precio-beneficio (P/E o PER), donde ofrece una representación más fiel de la valoración de la cartera que los promedios simples. Los analistas también la usan con otros ratios y tasas financieras, así como para promediar costes en escenarios de precios dinámicos donde las tasas fluctúan con el tiempo.
Física e ingeniería
Ingenieros y físicos recurren con frecuencia a la media armónica en sus cálculos. Se utiliza a menudo para calcular la resistencia total de circuitos en paralelo, donde se combinan resistencias individuales. En acústica ayuda a analizar frecuencias de ondas sonoras, y en óptica se usa para combinaciones de lentes, donde son comunes las relaciones recíprocas.
Ciencia de datos
La ciencia de datos emplea ampliamente la media armónica, especialmente en aplicaciones de aprendizaje automático. Es la base del F1-score, que equilibra la precisión y el recall en problemas de clasificación. También se utiliza para evaluar métricas de rendimiento en conjuntos de datos desbalanceados y en filtrado colaborativo para sistemas de recomendación, donde hay que combinar distintos tipos de medidas de similitud.
Aplicaciones generales
Más allá de los campos especializados, la media armónica es útil en cálculos cotidianos. Es la opción correcta para calcular velocidades medias en distancias fijas, determinar ritmos de producción en procesos de fabricación y medir tasas de transferencia de datos en redes donde intervienen relaciones recíprocas. En estos casos, ofrece resultados más precisos que los promedios aritméticos simples.
Cómo calcular la media armónica
Desglosemos el proceso de cálculo con pasos claros y ejemplos.
La fórmula de la media armónica
La media armónica (H) de n números se calcula como:
Donde x₁, x₂, ..., xₙ son los valores de tu conjunto de datos.
Ejemplo paso a paso
Calculemos la media armónica de tres números: 2, 4 y 8.
- Toma el recíproco de cada número: 1/2 = 0,5. 1/4 = 0,25. 1/8 = 0,125
- Suma esos recíprocos: 0,5 + 0,25 + 0,125 = 0,875
- Divide la cantidad (3) entre esa suma: 3 / 0,875 = 3,429
La media armónica de 2, 4 y 8 es aproximadamente 3,429.
Media armónica ponderada
A veces no todos los valores deben tener la misma importancia en tu cálculo. La media armónica ponderada permite asignar pesos diferentes a cada valor.
Fórmula de la media armónica ponderada
Para valores x₁, x₂, ..., xₙ con pesos correspondientes w₁, w₂, ..., wₙ:
Es especialmente útil en:
- Análisis de carteras con inversiones de distinto tamaño
- Métricas de calidad donde algunas medidas pesan más que otras
- Índices de satisfacción del cliente donde ciertos factores tienen mayor peso
Media armónica en ciencia de datos y machine learning
La media armónica tiene numerosas aplicaciones en la ciencia de datos y el aprendizaje automático modernos.
Cálculo del F1-score
El F1-score, como comenté, es una métrica popular en machine learning. Es la media armónica de la precisión y el recall:
Esto garantiza que tanto la precisión como el recall deban ser razonablemente altos para obtener un buen F1-score, ya que la media armónica penaliza los desequilibrios extremos entre ambas métricas. Para aprender a visualizar e interpretar mejor estas métricas, echa un vistazo a nuestro tutorial detallado Precision-Recall Curve in Python, con ejemplos prácticos y implementaciones.
Validación cruzada
Al evaluar el rendimiento del modelo en diferentes folds:
- La media armónica de las métricas de rendimiento asegura que un mal desempeño en cualquier fold quede bien ponderado.
- Es especialmente útil con conjuntos de datos desbalanceados.
- Ayuda a identificar modelos consistentes en diferentes particiones de datos.
Para un repaso a fondo de técnicas de validación, explora nuestra guía de K-Fold Cross Validation, que cubre estrategias avanzadas para una evaluación robusta del modelo.
Sistemas de recomendación
En filtrado colaborativo y sistemas de recomendación, la media armónica puede usarse para crear sugerencias equilibradas y útiles para el usuario. Al construir estos sistemas, a menudo hay que combinar distintas métricas de similitud —como patrones de comportamiento del usuario, características de los ítems e interacciones históricas—. La media armónica ayuda a equilibrarlas evitando que una sola domine en exceso.
Por ejemplo, al ponderar preferencias, un recomendador de películas puede necesitar equilibrar los géneros favoritos de un usuario con su historial de valoraciones y los patrones de duración de visionado. La media armónica también ayuda a resolver el "trade-off entre diversidad y relevancia", evitando que las recomendaciones se vuelvan demasiado estrechas o dispersas. Esto es especialmente valioso en comercio electrónico y plataformas de contenido en streaming, donde mantener el engagement exige un equilibrio entre sugerir elementos similares e introducir opciones nuevas.
Media armónica frente a otras medias
Veamos cómo se compara la media armónica con otros tipos de medias y algunos escenarios de uso para cada una.
| Comparativa | Media aritmética | Media armónica | Media geométrica |
|---|---|---|---|
| Mejor caso de uso | Promedio simple, óptima para relaciones aditivas | Óptima para tasas y proporciones | Óptima para tasas de crecimiento y proporciones |
| Ejemplo | Temperatura media diaria | Coste medio por unidad | Rentabilidad de inversiones en el tiempo |
| Limitación clave | Puede falsear datos con alta variabilidad | No puede usarse si algún valor del conjunto es cero | No maneja valores negativos o cero |
| Adecuación a la distribución | Mejor para datos normalmente distribuidos | Mejor para datos con proporcionalidad inversa | Mejor para datos lognormales o sesgados |
Para profundizar en cómo funcionan otras medias, tienes mis tutoriales sobre media aritmética y media geométrica.
Aspectos clave al usar la media armónica
Ejemplo: tratar valores extremos
Imagina a una gestora de fondos que analiza tres acciones con la misma inversión pero beneficios muy distintos:
- Acción A: inversión 100 $, beneficios 2 $, PER = 50 (alta valoración)
- Acción B: inversión 100 $, beneficios 10 $, PER = 10 (valoración moderada)
- Acción C: inversión 100 $, beneficios 25 $, PER = 4 (baja valoración)
Comparemos cómo tratan estas medias los PER tan dispares:
- Media aritmética: (50 + 10 + 4) / 3 ≈ 21,33 PER
- Media armónica: 3 / (1/50 + 1/10 + 1/4) ≈ 8,11 PER
Para verificar el PER real de la cartera:
- Inversión total: 300 $ (100 $ × 3)
- Beneficios totales: 37 $ (2 $ + 10 $ + 25 $)
- PER real de la cartera: 300 $/37 $ ≈ 8,11
La media aritmética de 21,33 queda muy sesgada por el PER extremo de la Acción A (50), sugiriendo una valoración media mucho más alta de lo real. La media armónica, de aproximadamente 8,11, ofrece el PER correcto de la cartera, ya que da menos peso de forma natural al valor extremo y representa mejor la capacidad de generación de beneficios del conjunto.
Ventajas de la media armónica
- Ideal para cálculos basados en tasas
- Menos sensible a valores atípicos grandes
- Aporta promedios precisos para relaciones recíprocas
Limitaciones de la media armónica
- No puede manejar valores cero
- Más sensible a valores pequeños
- Puede no resultar intuitiva para audiencias no técnicas
Conclusión: por qué importa la media armónica
La media armónica es una herramienta esencial y especialmente valiosa cuando trabajas con tasas, proporciones y relaciones recíprocas. Aunque no sea tan común como la media aritmética, saber cuándo y cómo aplicarla puede conducirte a análisis más precisos y mejores decisiones.
Ya sea que evalúes carteras de inversión, analices modelos de machine learning o resuelvas problemas de física, la media armónica aporta información que otros promedios pueden pasar por alto. Entendiendo sus propiedades y aplicaciones, podrás elegir el tipo de media adecuado para tus necesidades y evitar errores habituales en el análisis de datos. Inscríbete en nuestro itinerario Machine Learning Scientist in Python para seguir aprendiendo.
Conviértete en un Científico ML
Mejora tus conocimientos de Python para convertirte en un científico del aprendizaje automático.
