m\u00e9dia<\/strong> = (soma das observa\u00e7\u00f5es) \/ (n\u00famero de observa\u00e7\u00f5es)<\/span><\/p>\n Por exemplo, suponha que temos o seguinte conjunto de dados:<\/span><\/p>\n [1, 4, 5, 6, 7]<\/span><\/p>\n A m\u00e9dia do conjunto de dados \u00e9 (1+4+5+6+7) \/ (5) = 4,6<\/strong><\/span><\/p>\n Mas embora a m\u00e9dia seja \u00fatil e f\u00e1cil de calcular, ela tem uma desvantagem: pode ser afetada por valores discrepantes<\/strong> . Em particular, quanto menor for o conjunto de dados, mais um valor at\u00edpico poder\u00e1 afetar a m\u00e9dia.<\/span><\/p>\n Para ilustrar isso, considere o seguinte exemplo cl\u00e1ssico:<\/span><\/p>\n Dez homens est\u00e3o sentados num bar. A renda m\u00e9dia de dez homens \u00e9 de US$ 50 mil. De repente, um homem sai e Bill Gates entra. Hoje, a renda m\u00e9dia dos dez homens do bar \u00e9 de US$ 40 milh\u00f5es.<\/span><\/p>\n<\/blockquote>\n Este exemplo mostra como um valor discrepante (Bill Gates) pode afetar significativamente a m\u00e9dia.<\/span><\/p>\n Um valor discrepante pode afetar a m\u00e9dia por ser anormalmente pequeno ou anormalmente grande. No exemplo anterior, Bill Gates tinha um rendimento invulgarmente elevado, tornando a m\u00e9dia enganosa.<\/span><\/p>\n No entanto, um valor invulgarmente baixo tamb\u00e9m pode afectar a m\u00e9dia. Para ilustrar isso, considere o seguinte exemplo:<\/span><\/p>\n Dez alunos fazem um exame e obt\u00eam as seguintes notas:<\/span><\/p>\n [0, 88, 90, 92, 94, 95, 95, 96, 97, 99]<\/span><\/p>\n A pontua\u00e7\u00e3o m\u00e9dia \u00e9 84,6<\/strong> .<\/span><\/p>\n No entanto, se removermos a pontua\u00e7\u00e3o \u201c0\u201d do conjunto de dados, a pontua\u00e7\u00e3o m\u00e9dia passa a ser 94<\/strong> .<\/span><\/p>\n<\/blockquote>\n A pontua\u00e7\u00e3o incomumente baixa de um aluno reduz a m\u00e9dia de todo o conjunto de dados.<\/span><\/p>\n Quanto menor o tamanho da amostra do conjunto de dados, maior a probabilidade de um valor discrepante afetar a m\u00e9dia.<\/span><\/p>\n Por exemplo, suponha que temos um conjunto de dados de 100 notas de exames em que todos os alunos obtiveram pontua\u00e7\u00e3o de pelo menos 90 ou mais, exceto um aluno que obteve nota zero:<\/span><\/p>\n [ 0<\/strong> , 90, 90, 92, 94, 95, 95, 96, 97, 99, 94, 90, 90, 92, 94, 95, 95, 96, 97, 99, 93, 90, 90, 92, 94 , 95, 95, 96, 97, 99, 93, 90, 90, 92, 94, 95, 95, 96, 97, 99, 93, 90, 90, 92, 94, 95, 95, 96, 97, 99 , 93, 90, 90, 92, 94, 95, 95, 96, 97, 99, 93, 90, 90, 92, 94, 95, 95, 96, 97, 99, 93, 90, 90, 92, 94 , 95, 95, 96, 97, 99, 93, 90, 90, 92, 94, 95, 95, 96, 97, 99, 93, 90, 90, 92, 94, 95, 95, 96, 97, 99 ]<\/span><\/p>\n A m\u00e9dia acaba sendo 93,18<\/strong> . Se retir\u00e1ssemos o \u201c0\u201d do conjunto de dados, a m\u00e9dia seria 94,12<\/strong> . Esta \u00e9 uma diferen\u00e7a relativamente pequena. Isto mostra que mesmo um valor extremo extremo tem apenas um efeito m\u00ednimo se o conjunto de dados for suficientemente grande.<\/span><\/p>\n Se estiver preocupado com a possibilidade de haver algo at\u00edpico em seu conjunto de dados, voc\u00ea tem v\u00e1rias op\u00e7\u00f5es:<\/span><\/p>\n Outra forma de encontrar o \u201ccentro\u201d de um conjunto de dados \u00e9 usar a mediana<\/strong> , obtida ordenando todos os valores individuais em um conjunto de dados do menor para o maior e encontrando o valor mediano.<\/span><\/p>\n Devido \u00e0 forma como \u00e9 calculada, a mediana \u00e9 menos afetada por valores discrepantes e captura melhor a localiza\u00e7\u00e3o central de uma distribui\u00e7\u00e3o quando h\u00e1 valores discrepantes.<\/span><\/p>\n Por exemplo, considere o gr\u00e1fico a seguir que mostra a metragem quadrada das casas em um determinado bairro:<\/span> <\/p>\n A m\u00e9dia \u00e9 fortemente influenciada por algumas casas extremamente grandes, enquanto a mediana n\u00e3o. Assim, a mediana captura melhor a metragem quadrada \u201ct\u00edpica\u201d de uma casa naquele bairro do que a m\u00e9dia.<\/span><\/p>\n Leitura adicional:<\/strong><\/span><\/p>\n Medidas de tend\u00eancia central \u2013 m\u00e9dia, mediana e moda<\/a> Nas estat\u00edsticas, a m\u00e9dia de um conjunto de dados \u00e9 o valor m\u00e9dio. \u00c9 \u00fatil saber isso porque nos d\u00e1 uma ideia de onde est\u00e1 o \u201ccentro\u201d do conjunto de dados. \u00c9 calculado usando a f\u00f3rmula simples: m\u00e9dia = (soma das observa\u00e7\u00f5es) \/ (n\u00famero de observa\u00e7\u00f5es) Por exemplo, suponha que temos o seguinte conjunto de […]<\/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-564","post","type-post","status-publish","format-standard","hentry","category-guia"],"yoast_head":"\n\n
Valores discrepantes pequenos e grandes<\/strong><\/span><\/h2>\n
\n
Tamanho da amostra e valores discrepantes<\/strong><\/span><\/h2>\n
Como lidar com outliers<\/strong><\/span><\/h2>\n
\n
Use a mediana<\/strong><\/span><\/h2>\n
![](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/moyenne_dist3.jpg\")
<\/p>\n
Teste Q de Dixon para detectar outliers<\/a>
Calculadora de valores discrepantes<\/a><\/strong><\/p>\n","protected":false},"excerpt":{"rendered":"