Entendendo média e mediana na prática
média e mediana são os dois caras que todo mundo confunde no primeiro contato com estatística. A gente vai desembarassar isso de forma direta, sem rodeio.
O que é média e mediana
A média aritmética é simples de calcular: some todos os valores e divida pela quantidade de elementos. Se você tem 2, 4, 6, 8, a soma é 20 dividido por 4 = 5. Pronto. A mediana é o valor do meio quando os dados estão ordenados. Com 2, 4, 6, 8, o meio fica entre 4 e 6, então a mediana é 5. Com um conjunto ímpar como 1, 3, 5, 7, 9, a mediana é simplesmente o terceiro valor: 5.
O problema é que essas definições não contam a história inteira. O comportamento delas em conjuntos reais é completamente diferente do que os livros mostram.
Quando eu deveria usar cada uma
Se você está analisando salários,use a mediana. Média de salário distorce absurdamente quando há alguns valores extremamente altos. Já vi relatórios de RH que reportavam média de 8 mil quando 70% dos funcionários ganhava menos de 4 mil. A mediana naquele caso seria perto de 3,5 mil. Números bem mais próximos da realidade. Para dados simétricos, como medidas de produção industrial onde os valores não têm cauda longa, a média funciona bem e é mais estável estatisticamente. Ela considera todos os valores, o que é uma vantagem quando a distribuição realmente é uniforme.
👉 Clique no botão abaixo para saber mais sobre o assunto!
Um case que eu vi de perto
Trabalhei num projeto de análise de tempo de resposta de APIs em 2022. Os dashboards mostravam média de 200ms. Parecia bom. Mas ao calcular a mediana, descobrimos que ela estava em 45ms. O que acontecia era que cerca de 5% das requisições levavam acima de 2 segundos por causa de gargalos pontuais em filas de processamento. A média engasgava completamente com esses outliers. Nós terminamos reportando quartis inteiros em vez de média e desvio padrão porque a distribuição era claramente assimétrica.
Pegadinhas que ninguém avisa
A média harmônica é útil para taxas e razões, como velocidade média em viagens de ida e volta com distâncias iguais mas velocidades diferentes. Usar a média aritmética nesses casos dá errado sistematicamente. Não é intuitivo no começo, mas faz sentido quando você pensa que o tempo gasto em cada trecho deve pesar na média. Outro ponto: dados faltantes. Se você tem valores nulos e simplesmente ignora eles na média, o resultado pode enviesar se o missing não for aleatório. No meu exemplo de API, os timeouts eram justamente as requisições mais lentas e também as que mais falhavam. Ignorar os nulos significava subestimar ainda mais a média.
Para dados censurados ou com limites de detecção, a mediana também sofre. Se metade dos seus valores estão abaixo de um limite de detecção e você trata todos como iguais ao limite, a mediana pode parecer maior do que realmente é.
Dica técnica: calculando corretamente
Em Python com pandas, use .mean() e .median() diretamente. O pandas lida com NaN de formas diferentes nos dois casos: .mean() ignora automaticamente enquanto .median() também ignora, mas ambos sofrem com datasets massivos porque carregam tudo em memória. Para datasets grandes demais, considere usar bibliotecas como Polars ou processar em lotes. Em SQL, use AVG() para média e a função específica do seu SGBD para mediana. PostgreSQL precisa de uma subquery com ordinal, MySQL não tem função nativa até a versão 8. Mas em geral, para medições recorrentes, exportar para um script Python ou R é mais prático do que tentar construir queries complicadas.
Resumo sem resumo
Sempre olhe a distribuição antes de decidir. Um histograma ou um boxplot levanta bandeiras vermelhas que números isolados escondem. Se a curva for assimétrica, a mediana provavelmente conta mais a verdade. Se for simétrica e sem outliers, a média é mais informativa. E em qualquer caso, considerar ambos os valores juntos evita enganos caros.
