Média, mediana, moda: quando cada uma é a média certa

“Média” na fala cotidiana geralmente significa a média aritmética. Em estatística é uma palavra mais vaga cobrindo pelo menos três métricas diferentes: média, mediana e moda. Cada uma mede “o valor típico” em um conjunto de dados, mas respondem a perguntas diferentes e discordam dramaticamente em dados assimétricos. Este guia explica quando cada uma é a ferramenta certa.

As três definições, rápido

• Média — soma de todos os valores dividida pela contagem. O padrão. Mesmas unidades que os dados.
• Mediana — o valor do meio do conjunto de dados ordenado. Metade acima, metade abaixo.
• Moda — o valor que ocorre com mais frequência. A única que funciona em dados não numéricos.

A divergência clássica: renda

Renda domiciliar dos EUA, 2023 (Pesquisa da Comunidade Americana):

• Média: $111.000
• Mediana: $80.610
• Moda: aproximadamente $40.000-50.000 (o intervalo mais populoso)

Três números que todos respondem “quanto ganha um domicílio típico dos EUA?” — e discordam por um fator de até três. A média é puxada para cima pelos 1% maiores ganhadores; a mediana fica na metade real da distribuição; a moda reflete onde está o maior intervalo.

Para discussões de política e manchetes de notícias, a mediana é quase sempre o número certo — é robusta contra valores discrepantes e representa um domicílio realmente alcançável. A média engana, exceto para orçamentos aritméticos (imposto arrecadado = domicílios × renda média).

Quando usar cada uma

Use a MÉDIA quando

• A distribuição é aproximadamente simétrica. Alturas, pontuações de QI, erro de medição. A média e a mediana concordam estreitamente; a média é adequada para reportar.
• Você precisa calcular totais a partir de médias. A média (× contagem) fornece a soma exatamente. A mediana não. Para orçamento, contabilidade e integrais, a média é obrigatória.
• Você vai alimentá-la em outras estatísticas. Variância, desvio padrão, intervalos de confiança todos se baseiam na média. Escolha a mediana e você perde o kit de ferramentas downstream.

Use a MEDIANA quando

• A distribuição é assimétrica. Renda, preços de imóveis, tempos de resposta, tamanhos de arquivos, internações hospitalares, custos de projetos. A mediana é o que as pessoas reais vivenciam; a média é o que um bilionário / um corredor de maratona extremo infla.
• Valores discrepantes são prováveis e não controlados. Dados de sensores com falhas ocasionais, números inseridos manualmente com erros de digitação, análises da web com tráfego de bots. A mediana os filtra automaticamente.
• Você quer a “experiência típica”. Tempo de espera médiano, deslocamento médiano, tempo de resposta médiano no atendimento ao cliente. Estas são perguntas sobre indivíduos típicos, não throughput agregado.

Use a MODA quando

• Os dados são categóricos. Cor favorita, navegador usado, país de origem. Média e mediana são indefinidas para estes; moda é o único resumo.
• Você quer o caso mais comum. Produto mais popular, tipo de erro mais comum, tamanho de caixa UPS mais enviado. A moda é a única métrica que responde isso diretamente.
• Você suspeita de uma distribuição bimodal. Alturas masculinas+femininas combinadas, dados de clima quente-frio, tráfego de rede em pico/fora de pico. Reportar duas modas captura a estrutura que uma única média ocultaria.

A armadilha da distribuição assimétrica

Artigos de notícias rotineiramente reportam renda média, preço médio de casas, tempo de resposta médio. Todas as três são distribuições assimétricas à direita; em todas as três a média é consistentemente mais alta do que a mediana; reportar a média sistematicamente superestima o “típico”.

Teste rápido: se o conjunto de dados tem um piso fixo (zero) e sem teto fixo, provavelmente é assimétrico à direita. Use a mediana.

Exemplos por tipo:

Como detectar a mentira

Três frases para observar em afirmações usando “média”:

1. “O americano médio ganha $X.”Se $X > $90.000, é a média. A mediana é ~$80 mil. A média é tecnicamente correta, mas responde a uma pergunta diferente.
2. “Tempo de resposta médio: 200 ms.”Para uma API, isso é quase certamente a média, que algumas solicitações lentas inflaram. A mediana é provavelmente 50-100 ms; o p99 pode ser 2000 ms. A média sozinha diz pouco.
3. “X mais popular é...”Isso é a moda. Se usada corretamente, está bem; se usada no lugar de média ou mediana, é enganosa.

Quando reportar as três

Apresentação honesta de dados geralmente mostra média, mediana e uma medida de dispersão (desvio padrão ou intervalo interquartil). A diferença entre média e mediana diz ao leitor instantaneamente o quão assimétrica é a distribuição. Uma média de $111 mil e mediana de $81 mil diz mais do que qualquer número sozinho — ou seja, a distribuição tem uma longa cauda à direita.

Calcule os três (mais percentis, desvio padrão e um histograma) em uma única passagem com nossa calculadora de estatísticas. Para o contexto do estatístico sobre variância e desvio padrão, veja desvio padrão explicado.

Exemplo trabalhado: monitoramento de tempo de resposta

Seis solicitações de API esta manhã medidas em milissegundos: [42, 51, 48, 55, 47, 2.800]. A última é um valor discrepante de inicialização a frio. Três resumos:

• Média: (42+51+48+55+47+2800)/6 = 507 ms.
• Mediana: ordenar para [42, 47, 48, 51, 55, 2800], pegar a média dos dois valores do meio = 49,5 ms.
• Moda: todos os valores aparecem uma vez, portanto a moda é indefinida para esta amostra.

Reportar apenas a média (“tempo médio de resposta: 507 ms”) convenceria uma parte interessada de que a API estava quebrada. Reportar apenas a mediana (“resposta típica: 49,5 ms”) oculta o problema de inicialização a frio. O resumo honesto é ambos os números mais o p99: “mediana 50 ms, p99 ~2,8 s — rápido no caso comum, picos ocasionais de inicialização a frio.” Isso é acionável; qualquer número sozinho não é.

Erros comuns

• Calcular a “média das médias”. A média das médias de três grupos não é a média dos dados combinados, a menos que os grupos sejam do mesmo tamanho. Sempre recalcule a partir dos dados brutos, ou use uma média ponderada com tamanhos de grupo como pesos.
• Reportar a mediana sem uma métrica de dispersão. Dois conjuntos de dados com medianas idênticas podem ter formas completamente diferentes. Adicione o intervalo interquartil (Q3 − Q1) ou um resumo de quartis; um resumo de cinco números (mín, Q1, mediana, Q3, máx) é uma linha honesta e barata.
• Chamar uma distribuição bimodal de “a média”. Uma distribuição de altura combinada masculina+feminina tem dois picos em ~168 cm e ~178 cm. A média (~173 cm) não descreve ninguém. Desagregue por grupo e reporte cada subpopulação separadamente.
• Usar moda para dados contínuos. Para medições verdadeiramente contínuas (alturas, pesos, tempos de resposta) cada valor é tecnicamente único; a moda é indefinida ou um artefato da granularidade de medição. Use um histograma e identifique o intervalo mais denso.
• Comparar médias em amostras truncadas. Médias são extremamente sensíveis a se valores discrepantes estão incluídos. Se dois estudos reportam médias diferentes e um excluiu valores discrepantes acima do 99º percentil, a diferença pode ser totalmente artificial.

Para a questão de dispersão relacionada (quão dispersos os dados estão em torno do centro), continue com nosso guia de desvio padrão. Para o enquadramento de variação percentual que frequentemente segue as estatísticas sumárias, veja porcentagem vs. ponto percentual.