Como Achar A Mediana

O que é a mediana e por que ela importa no dia a dia

A mediana é a medida de tendência central que divide um conjunto de dados ordenados exatamente ao meio. Diferente da média, que é sensible a valores extremos, a mediana não se importa com outliers. Em análise de salário, preço de imóveis ou tempo de resposta de sistema, ela frequentemente conta uma história mais honesta do que a média. O processo é simples na prática, mas tem um detalhe que muita gente erra. Primeiro, organize os dados em ordem crescente. Depois, verifique se a quantidade de elementos é ímpar ou par. Se for ímpar, a mediana é o valor que está exatamente no meio. Se for par, a mediana é a média aritmética dos dois valores centrais. Por exemplo, considere o conjunto: 3, 7, 8, 12, 19. São cinco elementos, então a mediana é o terceiro valor, que é 8. Já no conjunto 3, 7, 8, 12, são quatro elementos. Os dois do meio são 7 e 8. A mediana é (7 + 8) / 2 = 7,5.

Pegadinhas que aparecem na prática

Uma coisa que eu aprendi na marra é que dados duplicados quebram a intuição de muita gente. Imagine que você está calculando a mediana de uma variável categórica ordinal, como nível de satisfação em uma escala de 1 a 5, e os dados são: 1, 2, 2, 2, 3, 3. Há seis elementos. Os dois centrais são o terceiro e o quarto, ambos iguais a 2. A mediana é 2. O fato de o 2 aparecer três vezes não altera o cálculo, mas visualmente isso pode enganar quem tá acostumado a pensar que a mediana tem que ser um valor único no dataset. Ela não precisa ser. A mediana pode coincidir com outro valor ou até ser um valor que não existe nos dados originais, como no exemplo anterior onde 7,5 não estava presente. Outro problema real que eu encontrei foi com dados censurados. Trabalhei num projeto de análise de tempo de churn e a variável tinha observações censuradas à direita, ou seja, clientes que ainda não haviam cancelado quando o corte da análise aconteceu. A mediana tradicional simplesmente não era computável para esse grupo porque o ponto de corte ficava antes da metade dos dados. A solução foi usar estimadores de Kaplan-Meier para calcular a mediana, que é padrão em análise de sobrevivência. Isso mudou o resultado de "não dá pra calcular" para uma estimativa com intervalo de confiança, o que fez toda diferença na tomada de decisão.

Como achar a mediana em conjuntos grandes

Quando o dataset é grande demais pra organizar manualmente, a abordagem muda. Em Python, a função mais direta é do módulo statistics, que já faz a ordenação internamente. Para dataframes, o pandas também resolve com mediana. Mas existe uma armadilha comum: usar median() em colunas que têm NaN. Por padrão, o pandas ignora valores ausentes, o que é útil mas pode mascarar a qualidade dos dados. Sempre vale checar o quanto tá faltando antes de confiar no número. Se você tá lidando com dados que não cabem na memória, ordene apenas os elementos centrais usando um algoritmo selection como quickselect, que tem complexidade média de O(n) em vez de O(n log n) da ordenação completa. Isso reduz o tempo de processamento em datasets milionários de forma significativa, especialmente quando você só precisa da mediana e não da distribuição completa.

Limitações que ninguém gosta de admitir

A mediana tem desvantagens reais que precisam ser consideradas. Ela é menos eficiente estatisticamente do que a média quando os dados seguem uma distribuição normal. O erro padrão da mediana é aproximadamente 1,25 vezes maior que o da média para distribuições simétricas, o que significa que você precisa de uma amostra maior pra obter a mesma precisão. Em testes de hipótese, isso se traduz em poder estatístico reduzido. Outro problema é que a mediana não usa toda a informação disponível nos dados. Dois conjuntos com mediana igual podem ter distribuições radicalmente diferentes. Por isso, relatar apenas a mediana sem nenhum indicador de dispersão, como o intervalo interquartil, é insuficiente para comunicar o comportamento real dos dados. O IQR, que é a diferença entre o terceiro e o primeiro quartil, complementa a mediana mostrando o quão concentrados os dados estão em torno do valor central. Em resumo, conhecer como achar a mediana é útil, mas o conhecimento técnico de quando usá-la, quando não usá-la e como lidar com as exceções é o que separa uma análise rasa de uma análise que realmente sustenta uma decisão.