Presentamos evidencia de que se pueden calcular de forma genérica combinaciones costosas y promedios, 0 << 1, en tiempo polinómico al restringir los datos a provenir de una amplia clase de distribuciones estadísticas. Nuestro enfoque difiere de los enfoques en la literatura previa, que se basan en requisitos de dispersión o en aceptar un mínimo local como reemplazo de un mínimo global. Los funcionales mediante los cuales se calculan los promedios no son convexos pero son radialmente monótonos y los funcionales mediante los cuales se calculan los promedios son casi así, lo cual son las claves para la resolución en tiempo polinómico. Se presentan resultados analíticos para distribuciones univariadas simétricas y radialmente monótonas. Se presenta un algoritmo para el promedio univariado. Se presentan resultados computacionales para una distribución gaussiana, una clase de distribuciones simétricas de colas pesadas y una clase de distribuciones asimétricas de colas pesadas. Muchos fenómenos en áreas basadas en humanos se sabe cada vez más que están representados por datos que tienen un gran número de valores atípicos y pertenecen a distribuciones de colas muy pesadas. Cuando las colas de las distribuciones son tan pesadas que ni siquiera existen medianas (y promedios), es necesario considerar el uso de principios de minimización con 0 << 1.