Mediana: como calcular, interpretar e avaliar a robustez

A mediana é uma medida de posição que localiza o centro de um conjunto ordenado. Para dados numéricos, usa-se o valor central quando a quantidade de observações é ímpar e a média dos dois valores centrais quando é par. A etapa decisiva é ordenar: o registro que aparece no meio da planilha original pode não ser a mediana.

Sua utilidade aparece quando o interesse é descrever uma posição típica sem deixar que poucas observações muito altas ou baixas dominem o resumo. Aqui, tempos hipotéticos de processamento de arquivos permitem acompanhar o cálculo, examinar valores extremos e decidir o que a medida revela ou esconde.

Posição central não é metade do maior valor

Considere os tempos 12, 4, 7, 30 e 6 minutos. Dividir o maior tempo por dois produziria 15, mas essa operação não procura o centro das observações. A ordenação correta é 4, 6, 7, 12, 30. Há dois registros de cada lado do 7; por isso, a mediana é 7 minutos.

O manual do NIST sobre medidas de posição apresenta a mediana a partir dos dados ordenados. A notação x₍ₖ₎ indica a observação de ordem k, não a observação originalmente digitada na linha k. Repetições permanecem no conjunto, pois representam observações diferentes com o mesmo valor.

Essa interpretação evita um erro em conjuntos como 2, 2, 2, 8, 9. A mediana vale 2, embora nenhum registro seja estritamente menor que ela. O centro se refere às posições ocupadas pelos dados, e vários registros podem ocupar o mesmo nível da escala.

Também é importante distinguir medida e observação. Em uma amostra par, a convenção numérica pode produzir um valor que não aparece no conjunto. Isso não invalida o resultado: a operação resume a localização entre duas posições centrais. Já em uma escala apenas ordinal, calcular uma média entre categorias pode não ter significado.

Como calcular com quantidade ímpar e par

Com n ímpar, a posição central é (n + 1)/2. Para sete registros ordenados, ela é a quarta. A expressão calcula uma posição; só depois se lê o valor correspondente. Se os tempos forem 3, 4, 4, 8, 9, 12, 25, a posição é 4 e a mediana é 8 minutos.

Com n par, consultam-se as posições n/2 e n/2 + 1. Em 3, 4, 4, 8, 9, 12, as posições centrais são 3 e 4, ocupadas por 4 e 8. A mediana é (4 + 8)/2 = 6 minutos. Não se calcula a média das posições nem a média de todos os registros.

Se os dados aparecem em uma tabela de frequências, não basta tomar a mediana dos valores distintos. Para 2 ocorrências de 4 minutos, 5 de 6 minutos e 1 de 20 minutos, existem oito observações. As posições 4 e 5 estão no grupo de 6 minutos, portanto a mediana é 6.

Quando a tabela contém intervalos, como 0 a 5 e 5 a 10 minutos, a posição mediana pode identificar somente a classe que a contém. Estimar um valor dentro dela requer uma hipótese adicional sobre a distribuição interna. Sem os registros individuais, a precisão disponível é menor do que parece.

Por que a mediana resiste a valores extremos

Volte aos cinco tempos 4, 6, 7, 12 e 30. A média é 59/5 = 11,8 minutos, enquanto a mediana é 7. Agora substitua somente 30 por 300. A média passa a 329/5 = 65,8 minutos; a mediana continua 7. O valor extremo mudou de magnitude, mas permaneceu na mesma extremidade da ordenação.

Essa experiência numérica mostra o sentido de resistência: certas alterações nas caudas afetam pouco a posição central. Não significa imunidade a qualquer mudança. Se vários registros forem modificados, ou se uma alteração atravessar o centro, a mediana também muda. Ela não protege contra uma amostra mal selecionada nem contra erros sistemáticos de medição.

A escolha entre média e mediana depende da pergunta. Para estimar o tempo total de processamento de muitos arquivos semelhantes, a média possui uma relação direta com a soma. Para relatar a posição central dos tempos observados em uma distribuição assimétrica, a mediana pode comunicar melhor a experiência típica. As medidas respondem a perguntas diferentes.

Uma apresentação acadêmica pode informar ambas e discutir sua diferença. O artigo de estatística descritiva situa essas escolhas entre outras medidas de centro e dispersão. Aqui, o objetivo específico é compreender por que a ordenação torna a mediana menos sensível à magnitude de uma cauda.

O mesmo centro pode esconder distribuições diferentes

Os conjuntos 6, 7, 7, 7, 8 e 1, 3, 7, 40, 90 têm a mesma mediana, 7. Mesmo assim, o segundo apresenta muito mais variação. Informar apenas o centro apagaria uma característica relevante dos resultados. Compare também frequências, amplitude e medidas de dispersão adequadas à pergunta.

Uma opção é o desvio absoluto mediano, conhecido como MAD: primeiro calcula-se a mediana; depois, as distâncias absolutas de cada observação até ela; por fim, a mediana dessas distâncias. O NIST descreve essa medida de escala. Ela permanece nas unidades originais, antes de qualquer fator de ajuste.

Para 4, 6, 7, 12, 30, as distâncias até 7 são 3, 1, 0, 5, 23. Ordenadas, ficam 0, 1, 3, 5, 23. Assim, MAD = 3 minutos. Esse cálculo complementa a localização central com uma descrição da distância típica, sem transformar automaticamente 30 em erro a excluir.

Em conjuntos pequenos com muitos empates, o MAD pode ser zero mesmo havendo variação. Por exemplo, em 2, 2, 2, 8, 9, três distâncias são zero. Nenhuma medida isolada resume toda a forma dos dados. Convém preservar um gráfico ou uma tabela que permita enxergar o conjunto.

Como conferir o resultado e relatá-lo

Uma conferência manual deve registrar número de observações, ordenação e posições usadas. Em Python, a expressão statistics.median([12, 4, 7, 30, 6]) retorna 7. A documentação oficial de statistics distingue ainda versões que escolhem o valor central inferior ou superior em conjuntos pares; por isso, registre qual função foi utilizada.

Defina o tratamento de dados ausentes antes do cálculo. Um campo vazio não equivale a zero minuto. Valores NaN também exigem atenção nas funções de ordenação. Remover observações sem explicar o motivo pode alterar tanto a mediana quanto a interpretação. Informe quantos registros entraram no resumo e quais foram excluídos.

Um relato adequado seria: “Nos cinco arquivos do exercício, a mediana do tempo de processamento foi 7 minutos; o MAD foi 3 minutos”. A frase identifica variável, unidade e conjunto analisado. Se o objetivo for generalizar a uma população, será necessário justificar seleção e incerteza. A tipologia de pesquisa ajuda a situar o desenho que produziu os registros; a descrição numérica sozinha não resolve essa etapa.

Mediana de duas turmas pode ser combinada pela média?

Em geral, não. Mesmo conhecendo o tamanho e a mediana de cada turma, a mediana conjunta depende da ordenação de todos os registros. Resumos centrais não preservam necessariamente a informação necessária para recompor o conjunto. Para agregá-lo corretamente, obtenha os dados individuais ou uma distribuição de frequências suficientemente detalhada.

A mediana é o percentil 50?

Sim, ela expressa o centro associado ao percentil 50. Porém, métodos de quantis em amostras finitas podem usar convenções de interpolação diferentes. Para reproduzir um relatório, explicite ferramenta e método, especialmente quando compara quartis ou resultados de programas distintos. A definição operacional deve acompanhar o número apresentado.