\u00c9 calculado da seguinte forma:<\/span><\/p>\n M\u00e9dia = \u03a3x i<\/sub> \/ n<\/span><\/p>\n Ouro:<\/span><\/p>\n Existem duas vantagens principais em usar a m\u00e9dia para descrever o \u201ccentro\u201d ou \u201cm\u00e9dia\u201d de um conjunto de dados:<\/span><\/p>\n Vantagem n\u00ba 1: A m\u00e9dia usa todas as observa\u00e7\u00f5es de um conjunto de dados em seu c\u00e1lculo.<\/strong> Nas estat\u00edsticas, isso geralmente \u00e9 bom porque se diz que utiliza todas as informa\u00e7\u00f5es dispon\u00edveis em um conjunto de dados.<\/span><\/p>\n Vantagem n\u00ba 2: A m\u00e9dia \u00e9 f\u00e1cil de calcular e interpretar.<\/strong> A m\u00e9dia \u00e9 a soma de todas as observa\u00e7\u00f5es dividida pelo n\u00famero total de observa\u00e7\u00f5es. \u00c9 f\u00e1cil de calcular (mesmo manualmente) e f\u00e1cil de interpretar.<\/span><\/p>\n No entanto, usar a m\u00e9dia para resumir um conjunto de dados tem duas desvantagens potenciais:<\/span><\/p>\n Desvantagem n\u00ba 1: a m\u00e9dia \u00e9 afetada por valores discrepantes.<\/strong> Se um conjunto de dados tiver um valor at\u00edpico extremo, isso afetar\u00e1 a m\u00e9dia e o tornar\u00e1 uma medida n\u00e3o confi\u00e1vel do centro de um conjunto de dados.<\/span><\/p>\n Desvantagem n\u00ba 2: a m\u00e9dia pode ser enganosa com conjuntos de dados distorcidos.<\/strong> Quando um conjunto de dados \u00e9 inclinado para a esquerda ou para a direita<\/a> , a m\u00e9dia pode ser uma forma enganosa de medir o centro de um conjunto de dados.<\/span><\/p>\n Os exemplos a seguir ilustram essas vantagens e desvantagens na pr\u00e1tica.<\/span><\/p>\n Suponha que temos o seguinte histograma que mostra os sal\u00e1rios dos residentes de uma determinada cidade:<\/span> <\/p>\n Como esta distribui\u00e7\u00e3o \u00e9 geralmente sim\u00e9trica<\/a> (se voc\u00ea a dividir ao meio, cada metade pareceria aproximadamente igual) e n\u00e3o h\u00e1 valores discrepantes, a m\u00e9dia \u00e9 uma forma \u00fatil de descrever o centro deste conjunto de dados.<\/span><\/p>\n A m\u00e9dia acaba sendo de US$ 63.000, que est\u00e1 aproximadamente no centro da distribui\u00e7\u00e3o:<\/span> <\/p>\n Neste exemplo espec\u00edfico, conseguimos usar as duas vantagens da m\u00e9dia:<\/span><\/p>\n Vantagem n\u00ba 1: A m\u00e9dia usa todas as observa\u00e7\u00f5es de um conjunto de dados em seu c\u00e1lculo.<\/strong><\/span><\/p>\n Como a distribui\u00e7\u00e3o era essencialmente sim\u00e9trica e n\u00e3o havia valores extremos, pudemos usar todos os sal\u00e1rios dispon\u00edveis para calcular a m\u00e9dia, o que nos deu uma boa ideia do sal\u00e1rio \u201cm\u00e9dio\u201d ou \u201ct\u00edpico\u201d nesta cidade em particular.<\/span><\/p>\n Vantagem n\u00ba 2: A m\u00e9dia \u00e9 f\u00e1cil de calcular e interpretar.<\/strong> \u00c9 f\u00e1cil entender que o sal\u00e1rio m\u00e9dio de US$ 63 mil representa o sal\u00e1rio \u201cm\u00e9dio\u201d de um indiv\u00edduo nesta cidade.<\/span><\/p>\n Embora alguns indiv\u00edduos ganhem muito mais que isso e outros muito menos, esse valor m\u00e9dio nos d\u00e1 uma boa ideia de um sal\u00e1rio \u201ct\u00edpico\u201d nesta cidade.<\/span><\/p>\n Suponha que temos uma distribui\u00e7\u00e3o salarial muito distorcida e decidimos calcular o sal\u00e1rio m\u00e9dio e mediano:<\/span> <\/p>\n Valores mais altos na cauda da distribui\u00e7\u00e3o afastam a m\u00e9dia do centro e em dire\u00e7\u00e3o \u00e0 cauda longa.<\/span><\/p>\n Neste exemplo, a m\u00e9dia nos diz que um indiv\u00edduo t\u00edpico ganha cerca de US$ 47.000 por ano, enquanto a mediana nos diz que o indiv\u00edduo t\u00edpico ganha apenas cerca de US$ 32.000 por ano, o que \u00e9 muito mais representativo do indiv\u00edduo t\u00edpico.<\/span><\/p>\n Neste exemplo, a m\u00e9dia resume mal o valor \u201ct\u00edpico\u201d ou \u201cm\u00e9dio\u201d nesta distribui\u00e7\u00e3o, uma vez que a distribui\u00e7\u00e3o \u00e9 distorcida.<\/span><\/p>\n Ou suponha que temos outra distribui\u00e7\u00e3o contendo informa\u00e7\u00f5es sobre a metragem quadrada das casas em uma determinada rua e decidimos calcular a m\u00e9dia e a mediana do conjunto de dados:<\/span> <\/p>\n A m\u00e9dia \u00e9 influenciada por algumas casas extremamente grandes, fazendo com que ela assuma um valor muito mais elevado.<\/span><\/p>\n Isso torna o valor m\u00e9dio da metragem quadrada enganoso e fornece uma medida inadequada da metragem quadrada “t\u00edpica” de uma casa naquela rua.<\/span><\/p>\n Os tutoriais a seguir fornecem informa\u00e7\u00f5es adicionais sobre a m\u00e9dia e a mediana nas estat\u00edsticas:<\/span><\/p>\n Como os outliers afetam a m\u00e9dia?<\/a> A m\u00e9dia de um conjunto de dados representa o valor m\u00e9dio do conjunto de dados. \u00c9 calculado da seguinte forma: M\u00e9dia = \u03a3x i \/ n Ouro: \u03a3: Um s\u00edmbolo que significa \u201csoma\u201d x i : A i -\u00e9sima observa\u00e7\u00e3o em um conjunto de dados n: o n\u00famero total de observa\u00e7\u00f5es no conjunto de dados […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"class_list":["post-5049","post","type-post","status-publish","format-standard","hentry","category-guia"],"yoast_head":"\n\n
Exemplo 1: Os benef\u00edcios de usar a m\u00e9dia<\/strong><\/span><\/h2>\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/moyenne_dist.jpg\")
<\/p>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/moyenne_dist2.jpg\")
<\/p>\n Exemplo 2: As desvantagens de usar a m\u00e9dia<\/strong><\/span><\/h2>\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/mediane_diste.jpg\")
<\/p>\n![\"Quando](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/moyenne_dist3.jpg\")
<\/p>\n Recursos adicionais<\/strong><\/span><\/h2>\n
Como estimar a m\u00e9dia e mediana de qualquer histograma<\/a>
Como encontrar a m\u00e9dia e a mediana dos gr\u00e1ficos de caule e folhas<\/a><\/span><\/p>\n","protected":false},"excerpt":{"rendered":"