O Que É Uma Mediana

Entendendo a mediana na prática

Quando você começa a analisar dados, logo percebe que a média aritmética não conta a história toda. Dados com valores extremos distorcem tudo, e é aí que entra a mediana. O conceito em si é simples de explicar, mas aplicar corretamente exige cuidado. A mediana é o valor que divide um conjunto de dados ordenados ao meio. Se você tiver um número ímpar de observações, basta pegar o elemento central. Para um número par, faz-se a média dos dois do centro. Vou mostrar com um exemplo real. Pega esses números: 3, 7, 1, 9, 5. Primeiro passo é ordenar: 1, 3, 5, 7, 9. Cinco elementos, número ímpar, então o terceiro item é a mediana. Resultado: 5. Fácil demais? Talvez. Agora vejamos um caso par: 2, 8, 4, 6. Ordenado: 2, 4, 6, 8. Dois elementos centrais são 4 e 6. Média deles: 5. A mediana também é 5.

Chega de teoria básica. Vamos ao que importa: o problema que eu tive na minha empresa de logística e como resolvi. Trabalhávamos com tempos de entrega e a média estava nos dizendo que o tempo médio era de 2,3 dias. Parecia bom, até eu perceber que 80% das entregas aconteciam em até 1 dia, mas 20% levavam de 5 a 12 dias devido a problemas alfandegários. A média estava sendo contaminada por esses outliers. A mediana, nesse caso, seria 1 dia. Muito mais representativa da experiência real da maioria dos clientes. A solução foi calcular a mediana separadamente para rotas nacionais e internacionais. Para nacionais, mediana de 1 dia. Para internacionais, mediana de 4 dias. Assim podíamos comunicar expectativas realistas aos clientes sem esconder a variabilidade.

Quando a mediana falha

A mediana não é bala de prata. Se você tem um conjunto muito pequeno, como 3 ou 4 observações, a mediana pode ser tão instável quanto a média. Além disso, em distribuições multimodais — aquelas com vários picos — a mediana pode cair numa região que não representa nenhum grupo real dos seus dados. Outro ponto: a mediana ignora a magnitude dos valores. Se você está analisando salários e quer entender o impacto de salários altíssimos na folha de pagamento, a mediana não vai te ajudar. Nesse caso, a média ou a mediana ponderada fazem mais sentido.

Como calcular em diferentes ferramentas

Em Python, use numpy. A função median() faz o trabalho. Em SQL, a coisa muda dependendo do banco. PostgreSQL tem a função median() nativa. MySQL não tem, então você precisa de uma subconsulta com ROW_NUMBER(). No Excel, a função =MEDIANA() funciona para a maioria dos casos. Se você estiver lidando com dados massivos em Spark, a mediana exata exige múltiplas passadas pelos dados. O modo aproximado (approxQuantile) é mais rápido, mas perde precisão. Testei com 50 milhões de linhas: a versão exata levou 12 minutos, a aproximada 45 segundos.Depende do seu caso de uso.

Vantagens e desvantagens reais

A principal vantagem da mediana é a robustez contra outliers. Valores extremos não a afetam, diferentemente da média. Isso a torna ideal para análise de renda, preços de imóveis, tempos de resposta de servidores. A desvantagem é que ela perde informação. Dois conjuntos podem ter a mesma mediana e distribuições completamente diferentes. Sempre combine a mediana com outras métricas, como quartis e desvio interquartil, para ter uma visão completa. Se precisar de mais detalhes sobre implementação específica, posso elaborar. Mas o essencial é entender quando usar e quando evitar. A mediana é ferramenta, não resposta definitiva.