Média Aritmética Simples

O método na prática

Você tem uma planilha com notas de cinco alunos: 6,5; 7,2; 8,0; 5,8; e 6,8. Quer saber a média geral da turma para um relatório trimestral. A conta que você faz é sempre a mesma: soma tudo e divide pelo número de registros. O resultado sai em segundos, até no calculadora do celular. No entanto, esse cálculo simples esconde dois problemas sérios que poucos consideram antes de apresentar o número pra diretoria ou pra equipe de RH. O primeiro é a sensibilidade extrema a valores extremos. Se um dos alunos foi mal por motivo legítimo e tirou 2,0 em vez de 5,8, a média cai de 6,86 para 5,66 — uma queda de mais de um ponto inteiro que não reflete o desempenho real da maioria. O segundo problema aparece quando os pesos não são iguais: média aritmética simples trata todas as observações como se tivessem a mesma importância, o que raramente é verdade em dados reais.

Média aritmética simples: a base que todo mundo usa mas poucos entendem direito

A definição formal aparece nos livros de estatística básica como a soma dos valores dividida pela quantidade de termos. Na prática, é o centro de gravidade numérico de um conjunto. Pense nos dados como pesos espalhados ao longo de uma régua: a média é o ponto de equilíbrio onde a régua ficaria nivelada se você a apoiasse naquele valor. Essa imagem ajuda a entender por que ela se move tanto quando um outlier entra na conta. No exemplo da turma acima, a soma é 34,3 e a divisão por 5 resulta em 6,86. Se você arredonda pra uma casa decimal, fica 6,9. Esse é o número que vai aparecer no boletim, na planilha do Excel e eventualmente no relatório que o coordenador vai ler. Nada errado com o cálculo em si. O problema é interpretar esse 6,9 como se ele resumisse toda a turma. Um insight que eu aprendi na prática e que raramente aparece em apostilas: a média aritmética simples minimiza a soma dos quadrados dos desvios em relação a qualquer outro valor. Isso significa que, matematicamente, nenhuma outra medida central consegue produzir um erro quadrático total menor. É por isso que ela é tão usada em regressões lineares e em algoritmos de aprendizado de máquina — o custo de quadrado dos resíduos só funciona bem com a média. Mas minimizar quadrados também é exatamente o que a torna tão castigada por outliers: um valor muito distante dobra o erro quadrático, puxando a média na direção dele.

Eu já enfrentei um caso concreto em que esse comportamento distorceu totalmente um indicador. Trabalhei num projeto de pesquisa de satisfação com 1.200 respondentes. A média aritmética simples dos escores foi 3,7 numa escala de 1 a 5. Parece razoável à primeira vista. Quando Separei os dados por departamento, percebi que um setor com apenas 12 pessoas tinha uma distribuição bimodal: metade dava 1, a outra metade dava 5. A média daquele departamento ficou em 3,0, mas esse número não representava nenhum dos dois grupos. O que eu fiz foi trocar por uma mediana seguida de análise de frequência, e publicar o histograma junto com o relatório. A diferença entre mostrar só a média e mostrar a distribuição muda completamente a decisão que a gerência toma depois. Outro detalhe técnico importante: a média aritmética simples só faz sentido com dados intervalares ou proporcionais. Com dados ordinais, como classificação de satisfação em "ruim / regular / bom", calcular média é ilegítimo porque a distância entre categorias não é mensurável. Eu já vi analista calcular média de notas cualitativas transformadas em número e apresentar resultado como se fosse rigoroso. O correto nesses casos é usar mediana ou moda, ou simplesmente reportar a proporção em cada categoria. Quando os dados têm pesos naturalmente diferentes — horas trabalhadas, faturamento por vendedor, volume de produção por turno — a média aritmética simples aplicada cegamente gera viés. O correto aí é média ponderada, onde cada valor é multiplicado pelo seu peso antes da soma. Num exemplo prático: se o vendedor A fechou R$ 50 mil trabalhando 20 horas e o vendedor B fechou R$ 30 mil trabalhando 40 horas, a média aritmética simples dos faturamentos brutos é R$ 40 mil, mas ela ignora que B produziu metade por hora. A média ponderada pelo tempo de trabalho dá R$ 1.000/hora para A e R$ 750/hora para B, refletindo a realidade do processo produtivo.

Existe ainda uma situação onde a média aritmética simples falha de forma silenciosa: dados com missing values não aleatórios. Se você calcula a média dos salários de quem respondeu a uma pesquisa salarial e os que ganhavam menos que o mínimo não responderam, a média vai superestimar a remuneração real. O problema não está no cálculo, está no pressuposto de que os não respondentes são similares aos respondentes. Nesse cenário, a média aritmética simples continua correta aritmeticamente, mas passa a ser um indicador enganosso porque a amostra não representa a população-alvo. Para quem precisa apenas de um cálculo rápido em Python, basta somar a lista e dividir pelo length. Em SQL, a função AVG() faz o mesmo sem esforço. O risco real é usar esses atalhos sem verificar prévia a distribuição dos dados, a existência de outliers e a adequação do peso uniforme. Uma verificação rápida de boxplot ou de desvio padrão relativa já indica quando a média simples vai enganar.