Medidas De Tendencia Central

Medidas de tendencia central na prática

A maioria das pessoas aprende isso na escola e acha que já sabe. A média é some e divide. A mediana é o valor do meio. A moda é o que mais aparece. Funciona para exercícios de livro didático. Na vida real, os dados não são tão educadinhos. Vou explicar como eu uso isso no dia a dia, porque a teoria que ensinam esquece de mencionar os problemas que aparecem quando você tem uma base de dados suja de verdade.

O que são medidas de tendencia central

São valores que tentam resumir um conjunto de números em um único ponto representativo. A ideia é simples: em vez de olhar para cada observação individual, você pega um número que dá uma ideia geral do comportamento do conjunto. Isso é útil para comunicação, para tomar decisões rápidas e para comparar grupos diferentes. As três principais são a média aritmética, a mediana e a moda. Cada uma tem seu lugar. O erro comum é usar a mesma medida para tudo, o que gera interpretações equivocadas com frequência.

Como calcular cada uma na prática

A média aritmética você pega todos os valores, soma e divide pela quantidade de elementos. Se você tem um dataset com 10.000 linhas no Excel ou no pandas, isso é trivial. A função_media() ou AVG() resolve em segundos. O problema começa quando há outliers. A mediana é o valor que divide o conjunto ao meio quando ordenado. Se tiver um número ímpar de observações, pega o do centro. Se for par, tira a média dos dois centrais. No Excel tem a função MEDIANA(). No SQL, depende do banco, mas o PostgreSQL tem medianas via agregação personalizada. A moda é o valor que mais se repete. Pode haver mais de uma moda (bimodal, multimodal) ou nenhuma, se todos os valores forem únicos. Isso é importante porque ignora. Dizer que a moda é "o mais frequente" é verdade, mas não captura a nuance de distribuições com múltiplos picos.

Um problema real que eu encontrei

Trabalhei num projeto de análise de churn onde tínhamos o tempo de permanência dos clientes. A média disse que o cliente ficava em média 18 meses. Parecia razoável. A mediana revelou que a maioria ficava cerca de 6 meses. A diferença era absurda porque uns poucos clientes ficavam 5, 7, 10 anos, puxando a média pra cima. O workaround foi calcular a média robusta, usando o trimming de 10% nas pontas, e reportar a mediana junto com o desvio interquartil. A média sozinha estava mentindo, ainda que sem intenção. Relatar só a média levaria stakeholders a uma conclusão errada sobre a retenção.

O que ninguém conta nos cursos introdutórios

A primeira coisa: a média é sensível a valores extremos. Isso é óbvio na teoria, mas na prática as pessoas ainda usam média como se fosse inabalável. Se sua distribuição tem cauda direita longa, a mediana é quase sempre mais informativa. A segunda coisa: a moda só faz sentido para variáveis discretas ou para contagens. Em variáveis contínuas, a moda depende de como você binning os dados. Mudar a largura das classes muda a moda. Isso é um armadilha que eu vejo gente cair repetidamente. A terceira: médias geométricas e harmônicas existem e são úteis em contextos específicos. Taxas de crescimento composta pedem a geométrica. Velocidades médias pedem a harmônica. Ninguém usa, mas deveria usar quando o contexto pede.

Pitfalls comuns

Calcular a média de taxas sem ponderar. Se você tem duas equipes com volumes diferentes e faz a média aritmética simples das taxas de conversão, o resultado está errado. O certo é a média ponderada pelo volume de cada equipe. Ignorar a forma da distribuição. Se os dados são assimétricos, a média, a mediana e a moda ficam em lugares diferentes. Achar que elas são intercambiáveis é erro básico que gera reportes enganosos. Usar mediana com dados pequenos demais. Com menos de cinco observações, a mediana é instável e pouco informativa. Nesse caso, melhor relatar os valores brutos do que resumir em um número único.

Quando cada medida é a escolha certa

Use a média quando a distribuição for aproximadamente simétrica e sem outliers fortes. É o resumo mais eficiente estatisticamente nesse cenário. Use a mediana quando houver assimetria ou outliers. Ela é robusta e representa melhor o "centro" da massa dos dados. Use a moda quando quiser identificar categorias dominantes ou picos de frequência, especialmente em dados categóricos ou discretos.

Como implementar rápido

Em Python com pandas: df['valor'].mean() para a média. df['valor'].median() para a mediana.

df['valor'].mode() para a moda. Em SQL com PostgreSQL, use AVG(), e para mediana pode usar a função customizada oder aggregate. Para moda, existe o função mode() em algumas extensões, mas depende da versão. Em Excel, MÉDIA(), MEDIANA() e MODA.N() para a versão mais recente. MODA.Unica() para a antiga.

Uma nuance que custa caro se você ignorar

A média amostral é um estimador não viesado da média populacional, mas só sob certain condições. Se seus dados têm dependência temporal, como séries temporais com autocorrelação, a variância da média é menor do que o esperado e os intervalos de confiança ficam enganosos. Nesse caso, o correto é ajustar a inferência, não apenas reportar a média. Outro ponto: a média de razões não é a razão das médias. Se você está calculando uma taxa geral a partir de subtotais, faça a soma dos numeradores dividida pela soma dos denominadores, não a média das taxas individuais. Eu vi isso errada inúmeras vezes em dashboards.

Dica prática para mediciones de tendencia central

Sempre reporte mais de uma medida quando a distribuição for duvidosa. Média e mediana juntas dizem mais do que qualquer uma isoladamente. Inclua também uma medida de dispersão, como desvio padrão ou desvio interquartil. Sem isso, o resumo central é incompleto e pode induzir a erro. E se você quer um atalho, pode usar bibliotecas que já calculam tudo de uma vez. No Python, o describe() do pandas te dá média, mediana implícita, quartis, desvio padrão ecount em uma linha. Leva menos de um segundo em datasets de até alguns milhões de linhas. Para dados maiores, agregações por grupo com groupby() e agg() resolvem em poucos minutos, dependendo da memória disponível. O ponto final aqui é simples: medidas de tendencia central são ferramentas, não verdades absolutas. Elas resumem, mas também simplificam até o ponto de distorcer se usadas cegamente. Conheça seus dados antes de confiar no número único.