Medidas De Tendencia Central E Dispersão

Entendendo medidas de tendencia central e dispersão na prática

A primeira coisa que muita gente faz errada é tratar média, mediana e moda como se fossem a mesma coisa com nomes diferentes. Elas não são. Cada uma responde a perguntas distintas sobre o seu conjunto de dados. A média te diz onde o centro de massa dos seus valores está. A mediana te diz onde fica o ponto que divide o conjunto ao meio. A moda te diz qual valor aparece com mais frequência. Dispersão, por sua vez, é outro assunto completamente — fala sobre quão espalhados os dados estão em torno desse centro.

Medidas de tendencia central e dispersão: o que você realmente precisa saber

Vou começar pelo erro mais comum que eu já vi cometerem em relatórios de análise de dados. Alguém pega uma variável como salário de funcionários de uma empresa de 500 pessoas, calcula a média e publica o resultado como se fosse representativo da realidade. A média foi R$ 8.400. Soa razoável até você descobrir que o diretor ganha R$ 85.000 e a maioria dos funcionários ganha entre R$ 2.200 e R$ 3.100. Nesse caso, a mediana seria R$ 2.850 — um número que reflete muito mais o que acontece de fato no chão da fábrica do que a média. O procedimento correto começa sempre com um gráfico.Histograma ou boxplot antes de qualquer cálculo. Se o histograma mostrar uma distribuição assimétrica pronunciada, você não deve usar a média como medida de tendência central sem antes justificar explicitamente por quê. A mediana é robusta a valores extremos. A média não é. Isso não é opinião, é matemática elementar.

Para calcular a média aritmética, some todos os valores e divida pela quantidade de observações. Para a mediana, ordene os dados do menor para o maior. Se o número de observações for ímpar, o valor central é a mediana. Se for par, faça a média dos dois valores centrais. A moda é simplesmente o valor com maior frequência absoluta. Em distribuições contínuas sem repetições exatas, a moda pode não existir ou precisar ser estimada por agrupamento em classes. Já as medidas de dispersão Respondem à pergunta: o quão confiável é essa medida de tendência central que eu calculei? O intervalo interquartil (IQI), que é a diferença entre o terceiro quartil e o primeiro quartil, é uma das medidas mais subutilizadas e mais úteis que existem. Ele elimina automaticamente os 25% mais baixos e os 25% mais altos dos dados, dando uma ideia real da variação da parte central da distribuição.

A variância populacional se calcula somando os quadrados dos desvios de cada observação em relação à média e dividindo pelo número total de observações. A amostral divide por n-1. Essa diferença de um grau de liberdade parece burocrática, mas faz toda a diferença quando você está trabalhando com amostras pequenas. O desvio padrão é simplesmente a raiz quadrada da variância, trazendo a unidade de volta para a mesma escala dos dados originais. Eu me lembrei especificamente de um projeto em que precisei analisar tempo de atendimento em call center. Os dados tinham uma cauda direita extremamente longa — a maioria das ligações durava entre 2 e 5 minutos, mas havia alguns casos de 40, 60 minutos que distorciam completamente a média. A média ficou em 11 minutos. A mediana em 3 minutos e 40 segundos. O desvio padrão era de 8 minutos e 20 segundos. Usar apenas a média como KPI era absurdo. Eu acabei reportando a mediana com o IQI e o desvio interquartil, que deram uma visão muito mais honesta do desempenho operacional.

Outro ponto que poucos mencionam: o coeficiente de variação. Ele é o desvio padrão dividido pela média, expresso em porcentagem. Serve para comparar a variabilidade relativa entre conjuntos de dados com escalas completamente diferentes. Dois produtos com ticket médio distinto podem ter o mesmo coeficiente de variação e, portanto, igual nível de inconsistência relativa nas vendas, mesmo que os desvios padrão absolutos sejam bem diferentes. Existem limitações sérias que precisam ser ditas claras. A média e o desvio padrão só fazem sentido pleno em distribuições simétricas, preferencialmente normais. Em distribuições assimétricas ou multimodais, eles podem ser altamente enganosos. O IQI ignora completamente a cauda da distribuição, o que pode ocultar problemas reais de outliers. E nenhuma dessas medidas substitui uma análise visual dos dados — você pode ter o menor desvio padrão do mundo e estar ignorando um padrão estrutural importante que um boxplot mostraria em dois segundos.

Se o seu objetivo é apenas descrever dados descritivamente, comece sempre por: média e desvio padrão se a distribuição for aproximadamente simétrica, ou mediana e IQI se houver assimetria significativa. Nunca decida qual usar antes de ver os dados. Calcular tudo e reportar os dois conjuntos de medidas é o caminho mais seguro quando você não tem certeza sobre a forma da distribuição.