O básico, mas sem enrolação
Mediana e moda são medidas de tendência central. Não são tão glamourosas quanto a média aritmética, mas resolvem problemas que a média não consegue. A median é o valor que divide um conjunto ordenado ao meio. A moda é o valor que mais se repete. Simples assim na teoria, mas na prática as coisas ficam estranhas rápido.
Como calcular mediana
Você ordena os dados do menor para o maior. Se o número de observações for ímpar, a mediana é o valor da posição central. Se for par, você pega os dois valores centrais e faz a média deles. Pronto. Aqui vai algo que muita gente erra: se os dados já vierem ordenados no seu banco de dados ou planilha, você pula o passo da ordenação. Eu aprendi isso na marra, gastando 40 minutos em uma consulta SQL que poderia ter rodado em 3 segundos porque eu estava ordenando manualmente um dataset de 200 mil linhas antes de calcular a mediana. Use a função built-in do sistema que você estiver usando. PostgreSQL tem MEDIAN(), Excel tem MEDIANA(), Python com pandas tem .median(). Não reinvente.
Um detalhe técnico que passa despercebido: para datasets muito grandes, calcular a mediana por ordenação completa tem complexidade O(n log n). Se você precisa de performance, o algoritmo de seleção por quickselect reduz para O(n) na média. Não é algo que você vá implementar do zero no dia a dia, mas vale saber que otimizações existem.
Como calcular moda
A moda é mais simples de calcular, mas mais traiçoeira na interpretação. Você conta a frequência de cada valor e aponta o mais frequente. Se dois valores empatam em frequência máxima, seu dataset é bimodal. Três ou mais, multimodal. Se todos os valores aparecem uma vez só, tecnicamente não existe moda — ou todo valor é moda, dependendo de como o autor do texto quer vender a ideia. No mundo real, dados categóricos quase sempre têm moda. Dados numéricos contínuos, raramente. Isso importa porque muita gente tenta aplicar moda em variáveis contínuas sem fazer agrupamento prévio (binning), e o resultado é useless. Agrupou mal, a moda é artificial. Agrupou bem, ainda assim depende do tamanho do intervalo.
👉 Clique no botão abaixo para saber mais sobre o assunto!
Mediana e moda na prática
O problema clássico que eu vejo todo dia é o seguinte: você calcula a média de salários e o resultado é distorcido por outliers. Um ou dois executivos com salários altíssimos puxam tudo pra cima. A mediana mostra o salário do funcionário do meio, que é muito mais representativo. Já vi reportes onde a diferença entre média e mediana chegava a 40%. Isso muda completamente a narrativa de uma apresentação. A moda aparece quando você trabalha com dados ordinais ou categóricos. Por exemplo, número de tentativas de login antes do bloqueio em um sistema de segurança. Os dados vão de 1 a 10 tentativas, mas a maioria concentra em 3. A moda é 3. A média seria algo como 3,7 — menos informativo porque ninguém faz 3,7 tentativas na prática.
Uma situação específica que me marcou: eu estava analisando dados de tempo de resposta de um serviço que tinha caídas pontuais. A mediana dos tempos normais era 120ms. Mas durante incidentes, valores disparavam para 8 segundos. O problema era que a mediana de 120ms mascarava a experiência real de quem tinha sido afetado pelo incidente. A solução foi separar os dados em duas distribuições — tempos dentro da janela normal e tempos fora dela — e reportar a mediana de cada grupo. Assim o público entendia o cenário completo sem precisar de gráficos complicados.
Limitações que ninguém menciona
Mediana e moda têm pontos cegos importantes. A mediana ignora a magnitude dos valores extremos. Em um dataset como [1, 2, 3, 4, 1000], a mediana é 3 — o mesmo que seria em [1, 2, 3, 4, 5]. Perde-se completamente a informação sobre aquele 1000. Se o seu objetivo é entender o impacto total de algo (como custo, perda financeira, carga de trabalho), a mediana sozinha não basta. A moda também é instável. Com pequenas mudanças nos dados, um valor pode deixar de ser o mais frequente e outro assumir. Em amostras pequenas, esse efeito é ainda mais pronunciado. Relato rápido: em um conjunto de 50 respostas de pesquisa com escala de 1 a 5, a moda mudou de 4 para 3 quando adicionei 10 respostas novas — nenhuma delas sendo 4. A moda simplesmente não é robusta com dados pequenos.
Se você precisa de uma medida que combine robustez e uso de toda a informação dos dados, considere atrimmed mean ou a média geométrica para dados com assimetria positiva. São alternativas que não substituem mediana e moda, mas completam a análise.
Quando usar qual
Use mediana quando a distribuição for assimétrica ou houver outliers. Use moda quando os dados forem categóricos ou ordinais e você quiser destacar o valor mais comum. Use ambos juntos para ter uma visão mais completa do centro da distribuição. E nunca, sob nenhuma circunstância, reportar apenas a mediana sem mostrar a dispersão — de preferência com o desvio interquartílico ou intervalos de confiança.
