Entendendo média, moda e mediana na prática
Vou começar direto: esses três conceitos são as ferramentas mais básicas da estatística descritiva, mas a maioria das pessoas confunde quando e como usar cada um. Eu já vi planilhas de vendas com média sendo calculada em cima de dados de comissão onde a distribuição era tão enviesada que o número final não representava ninguém de verdade. Isso acontece todo dia. A média aritmética é simplesmente a soma de todos os valores dividida pela quantidade. Funciona bem quando seus dados estão distribuídos de forma simétrica, sem outliers massivos. Se você está analisando idade de funcionários de uma empresa com 200 pessoas, a média vai te dar uma boa noção do perfil. Mas se nessa mesma empresa o dono ganha trinta vezes o salário médio dos outros, a média sobe e passa a ser irrelevante para descrever o empregado comum. Nesse caso, a mediana resolve.
Como calcular atividade de media moda e mediana corretamente
Vou mostrar o passo a passo com um exemplo real que eu usei semana passada. Tinhamos uma planilha com os seguintes valores de ticket médio de vendas em três meses: R$ 45, R$ 52, R$ 48, R$ 50, R$ 47, R$ 150, R$ 55, R$ 43, R$ 51, R$ 49.
Primeiro, a média. Some tudo: 45 + 52 + 48 + 50 + 47 + 150 + 55 + 43 + 51 + 49 = 590. Divide por 10. Resultado: R$ 59,00. Esse número parece razoável à primeira vista, mas olha o que aconteceu. Nove das dez vendas foram entre R$ 43 e R$ 55. Uma única venda de R$ 150 (provavelmente um pedido corporativo isolado) empurrou a média pra cima. A maioria dos vendedores nunca vai fazer R$ 59 num ticket médio mensal. Agora a mediana. Ordenamos os dados: 43, 45, 47, 48, 49, 50, 51, 52, 55, 150. Como temos dez valores (par), a mediana é a média dos dois do meio: 49 e 50. Média deles: 49,5. Isso aqui já é muito mais representativo do que a média mostrou. A mediana não liga pra outlier. Ela só quer saber o valor central quando os dados estão em ordem.
👉 Clique no botão abaixo para saber mais sobre o assunto!
Moda é o que mais se repete. Nessa lista, cada valor aparece uma vez. Tecnicamente, o conjunto é amodal. Mas se eu tiver uma tabela de faixas etárias e a faixa de 25 a 30 anos aparecer 40 vezes enquanto as outras aparecem 10, 15, 8, 22, a moda é essa faixa de 25 a 30. Moda é útil quando você quer saber o valor mais frequente, independente da magnitude. Em pesquisas de satisfação com escala de 1 a 5, a moda às vezes conta mais que a média porque mostra o consenso, não a média aritmética. O que muita gente não entende é que média, moda e mediana podem dar respostas completamente diferentes pro mesmo conjunto de dados. E isso não é um bug, é uma feature. Quando os três valores divergem muito, o sinal é de assimetria na distribuição. Se a média é maior que a mediana, você tem cauda à direita (valores altos puxando pra cima). Se a média é menor que a mediana, tem cauda à esquerda. Isso resolve metade dos problemas de interpretação de dados sozinho.
Um problema prático que eu enfrentei recentemente: precisava calcular a moda em um dataset de categorias de produtos com mais de 50 mil registros. A função MODE do Excel tradicional só aceitava até 30 argumentos e falhava. A solução foi usar o COUNTIF combinado com MATCH para encontrar o valor com maior frequência, ou migrar pra Google Sheets onde a função MODE.MULT consegue lidar com arrays maiores sem estourar. Em Python, pandas resolveria isso em uma linha com df.mode(), mas nem todo mundo tem flexibilidade técnica pro ambiente de trabalho. O limitação mais importante que precisa ficar clara: média não é recomendada para dados ordinais ou escalas Likert. Se sua pesquisa tem opções de "discordo totalmente" a "concordo totalmente" numeradas de 1 a 5, calcular a média dá a impressão de precisão que o dado não tem. A moda e a mediana são mais honestas nesse contexto. Outro ponto: moda só funciona bem quando há um valor claramente predominante. Em distribuições uniformes ou multimodais, a moda perde o sentido analítico.
Resumindo sem resumo: escolha a medida de tendência central que combina com a forma da sua distribuição, não a que é mais fácil de calcular. Média para dados simétricos sem outliers. Mediana para assimétricos ou com valores extremos. Moda para dados categóricos ou quando o foco é frequência. Se você seguir essa lógica, evita o erro mais comum que eu vejo em relatórios de negócio por aí.
