Calcular medias de muestra en variedades riemannianas suele ser computacionalmente costoso, como se ejemplifica con el cálculo de la media de Fréchet, que a menudo requiere encontrar geodésicas minimizantes para cada punto de datos en cada paso de un esquema de optimización iterativo. Cuando no se dispone de expresiones en forma cerrada para las geodésicas, esto conduce a un problema de optimización anidado que es costoso de resolver. El costo computacional implícito afecta a aplicaciones tanto en estadísticas geométricas como en aprendizaje profundo geométrico. La media de difusión ponderada ofrece una alternativa a la media de Fréchet ponderada. Mostramos cómo la media de difusión y la media de difusión ponderada pueden estimarse con un esquema de simulación estocástica que no requiere optimización anidada. Logramos esto condicionando un movimiento browniano en una variedad de productos para golpear la diagonal en un tiempo predeterminado. Desarrollamos los fundamentos teóricos para la estimación de la media basada en muestreo, desarrollamos dos esquemas de simulación y demostramos la aplicabilidad del método con ejemplos de medias muestreadas en dos variedades.