Média

Média (especificamente a média aritmética) é a soma de um conjunto de valores dividida pela contagem. Para o conjunto [4, 8, 6, 5, 3, 7]: soma 33, contagem 6, média 5,5. É a forma mais comum de “average” no cotidiano e o padrão retornado por AVG(), numpy.mean, statistics.mean e toda função de biblioteca chamada “mean.”

Propriedades importantes: é sensível a outliers (um valor extremo a puxa dramaticamente), tem as mesmas unidades dos dados subjacentes e é uma propriedade do conjunto — não de um elemento individual. A média de [1, 1, 1, 100] é 25,75; apenas um dos quatro valores está próximo.

Existem outras “médias” para contextos específicos: a média geométrica (raiz n-ésima do produto, usada para taxas compostas), a média harmônica (recíproco da média dos recíprocos, usada para médias de taxas), a média ponderada (alguns valores contam mais do que outros). Quando alguém diz “média” sem qualificação, refere-se à média aritmética.

Use a calculadora de estatísticas para qualquer uma dessas, ou para mediana, moda, variância e desvio padrão em uma única passagem.

Quando a média é o resumo errado: para renda, riqueza, tempos de resposta e qualquer distribuição fortemente assimétrica à direita, a média fica bem acima da mediana e não representa a observação “típica”. O exemplo clássico de sala de redação é a renda nacional — a renda domiciliar média dos EUA é puxada para cima pelo 1% mais rico, então a média é um péssimo substituto do que a maioria dos lares realmente ganha. A mediana é o resumo honesto de um número para dados assimétricos; a média é honesta para dados simétricos. Reportar ambas, ou reportar o quadro completo por quartis, geralmente é o caminho certo. A mediana, o IQR e um histograma juntos dão uma leitura fiel em quase todos os casos.

A armadilha da média geométrica vs aritmética nas finanças: calcular a média de retornos anuais somando e dividindo (média aritmética) superestima o crescimento composto — uma carteira que retorna +50% depois −50% tem média aritmética de 0%, mas termina 25% mais pobre do que começou. A média geométrica (média multiplicativa) retorna −13,4% ao ano, que é o número que realmente compõe para o resultado observado. O “retorno médio anual” em prospectos de fundos é quase sempre a média geométrica (CAGR) por essa razão; o “retorno esperado” em finanças acadêmicas é geralmente a média aritmética. Não são o mesmo número e a diferença importa para qualquer horizonte superior a um ano. Relacionados: média harmônica, média ponderada.

Exemplo prático

Você mede os tempos de resposta de uma API em milissegundos ao longo de dez requisições: [42, 48, 51, 39, 55, 47, 44, 50, 46, 980]. Soma = 1402, contagem = 10, média = 140,2 ms. A mediana é 47,5 ms. A média é “verdadeira” aritmeticamente, mas completamente enganosa como descrição de desempenho típico — nove das dez requisições foram abaixo de 56 ms, e um único outlier de 980 ms (uma consulta lenta ao banco de dados) triplicou a média. Reportar “tempo de resposta médio de 140 ms” em uma página de status resumiria corretamente a soma do trabalho realizado, mas representaria mal a experiência do usuário. O relatório correto é algo como “p50 = 47 ms, p95 = 980 ms” — que preserva tanto o caso típico quanto a cauda. Esse resumo de dois números é por que todo produto moderno de observabilidade (Datadog, Honeycomb, Grafana) usa por padrão visualizações de percentis em vez de médias para latência.

Quando e por que isso importa

Escolher a estatística resumida correta evita decisões ruins. Análises de testes A/B sobre taxa de conversão usam a média corretamente (proporções são limitadas e aproximadamente simétricas); SLOs de engenharia em latência nunca devem usar a média (distribuições de cauda pesada). Pesquisas salariais, preços de imóveis e distribuições de valor do ciclo de vida do cliente são fortemente assimétricas à direita — a mediana é o centro honesto. Pontuações de testes e medições físicas (altura, pressão arterial) são aproximadamente simétricas — a média está bem. A pergunta diagnóstica a fazer: se eu dobrasse minha maior observação, meu número resumido mudaria significativamente? Se sim, você tem uma distribuição assimétrica e a média está te enganando. Referência: NIST/SEMATECH e-Handbook of Statistical Methods.