Se dez pessoas estão numa sala e entra a décima primeira — um multimilionário —, a "riqueza média" da sala dispara para valores astronómicos sem que ninguém tenha ficado um cêntimo mais rico. É o exemplo clássico de como uma única medida, mal escolhida, conta uma história falsa sobre dados perfeitamente verdadeiros.
Resumir dados é inevitável. Ninguém decide olhando para dez mil linhas; olha para um número que as represente. O problema é que cada número de resumo — média, mediana, desvio-padrão — traz pressupostos silenciosos sobre a forma dos dados. Escolher mal não é um detalhe técnico: é a diferença entre um relatório que esclarece e um que induz em erro.
Este artigo percorre as medidas de resumo mais usadas, mostra quando cada uma ajuda, quando engana e como combiná-las para descrever os teus dados com honestidade — sem transformar uma tabela cheia de nuance num único número enganador.
Média: útil, mas sensível a extremos
A média soma todos os valores e divide pelo número de observações. É a medida mais intuitiva e, quando os dados são simétricos e sem valores extremos, resume-os muito bem. O salário médio de uma equipa homogénea, a temperatura média de uma semana estável — nesses casos, a média diz quase tudo o que precisas de saber.
O seu ponto fraco é também a sua definição: como usa todos os valores, um único extremo arrasta-a. Um cliente que gasta cem vezes mais do que os outros, um mês atípico, um erro de registo com um zero a mais — qualquer um destes puxa a média para longe do que é "típico". Quando ouves "em média", vale sempre a pena perguntar: média de quê, e com que caudas?
Mediana: o valor do meio que resiste a outliers
A mediana é o valor que fica exatamente no meio quando ordenas os dados: metade das observações está abaixo, metade acima. Não soma nada, por isso um extremo isolado não a move. Naquela sala com o multimilionário, a mediana da riqueza mal se altera — continua a descrever a pessoa típica.
Por isso a mediana é a medida certa para dados enviesados: rendimentos, preços de casas, tempos de resposta, valores de encomenda. Sempre que uma minoria de valores muito altos (ou muito baixos) distorce a média, a mediana conta a história do centro real da distribuição.
Quando média e mediana discordam (e o que isso revela)
A relação entre as duas é, por si só, informação. Se a média é claramente maior do que a mediana, os dados têm uma cauda à direita — poucos valores muito altos a puxar a média para cima. Se a média é menor, a cauda está à esquerda. Quando as duas quase coincidem, a distribuição é aproximadamente simétrica.
Uma prática simples e reveladora: calcula sempre as duas. A diferença entre elas é um alarme barato para detetar enviesamento, antes sequer de desenhares um gráfico. Se média e mediana estão muito afastadas, sabes que reportar apenas a média vai enganar quem te ler.
Moda: a categoria mais frequente
A moda é o valor que aparece mais vezes. Faz pouco sentido para uma variável contínua, mas é a medida natural para dados categóricos: o plano mais subscrito, o motivo de contacto mais frequente, o produto mais vendido. "O nosso cliente típico escolhe o plano intermédio" é uma afirmação sobre a moda, não sobre a média.
É a menos usada das três em relatórios numéricos, mas a mais honesta quando a pergunta é "o que acontece com mais frequência?". Confundir moda com média — dizer "em média" quando querias dizer "o mais comum" — é um erro subtil que muda o sentido da frase.
Desvio-padrão: quanto os dados se afastam do centro
Duas equipas podem ter exatamente a mesma média de vendas e realidades completamente diferentes: uma consistente mês após mês, outra a saltar entre picos e vazios. A média não distingue as duas. O desvio-padrão, sim: mede a distância típica de cada valor à média, ou seja, o quanto os dados se espalham.
Um desvio-padrão pequeno diz que os valores andam apertados à volta da média; um grande, que estão dispersos. Em dados aproximadamente normais, vale a regra empírica de que cerca de dois terços das observações caem a um desvio da média e quase todas a dois. Mas atenção ao "aproximadamente normais": se a distribuição for muito enviesada ou tiver várias modas, essa regra deixa de valer e o desvio-padrão isolado engana tanto como a média.
A média sozinha mente: junta sempre a dispersão
Há um ditado que resume tudo: podes afogar-te a atravessar um rio com um metro de profundidade média. A média, sem noção de variação, esconde precisamente o que costuma interessar — o risco, a inconsistência, os extremos que fazem a diferença na prática.
A regra é reportar sempre centro e dispersão em conjunto. "Entrega em 48h em média, com desvio-padrão de 4h" diz muito mais do que "48h em média". O primeiro promete consistência; o segundo pode esconder entregas de 24h e de 90h a anularem-se na conta. Um número de centro sem um número de espalhamento é meia verdade.
Erros comuns ao resumir dados
- Reportar a média de dados enviesados. Quando há cauda longa, a mediana descreve melhor o típico.
- Ignorar a dispersão. Duas médias iguais podem esconder realidades opostas; junta sempre desvio-padrão ou intervalo interquartil.
- Comparar médias de grupos de tamanhos muito diferentes sem ponderar pelo número de observações.
- Fazer a média de percentagens ou rácios já calculados. Somar taxas e dividir pelo número delas costuma dar o resultado errado; muitas vezes é preciso voltar aos totais.
- Aplicar a regra dos dois terços a dados não normais. Sem uma distribuição aproximadamente simétrica, essa intuição falha.
- Deixar um outlier de erro de registo distorcer tudo. Investiga os extremos antes de os incluir no resumo.
Mini-caso: dois fornecedores com a mesma média
Uma empresa de retalho comparava dois transportadores para renovar contrato. Os dois apresentavam um tempo médio de entrega de cerca de 48 horas, e a decisão parecia resumir-se ao preço. Escolheram o mais barato — e as ruturas de stock nas lojas não pararam de aumentar.
Ao voltar aos dados, a equipa olhou para além da média. O transportador escolhido tinha um desvio-padrão enorme: entregava tanto em 24 horas como em 90, de forma imprevisível. O outro entregava quase sempre entre 44 e 52 horas. A mediana e os percentis contavam a mesma história: a média igual escondia níveis de consistência opostos. Passaram a incluir a dispersão no critério de seleção, a variabilidade das entregas caiu e, com ela, as ruturas.
Na prática
Nunca reportes um número de resumo sozinho. Para o centro, usa a mediana quando os dados são enviesados e a média quando são simétricos; junta sempre uma medida de dispersão, seja o desvio-padrão seja o intervalo interquartil; e, antes de confiar em qualquer resumo, olha para a distribuição. Um histograma simples revela em segundos o que três estatísticas, sozinhas, podem esconder — e evita que o teu relatório conte, sem querer, uma história que os dados não sustentam.
