Noções básicas de Estatística

A média aritmética é o valor de equilíbrio de um conjunto de dados: se pensarmos em cada valor como um peso colocado sobre uma régua, a média é exatamente o ponto de apoio em que a régua fica nivelada, o que explica por que dados discrepantes deslocam o resultado para o lado dos extremos. Uma propriedade fundamental que complementa o resumo é a dos desvios: a soma de todos os desvios em relação à média é sempre zero, ou seja, $\sum (x_{i}-\bar{x})=0$, e é essa característica que torna a média a referência natural para medir dispersão, como veremos em variância e desvio padrão. Além disso, quando agrupamos os dados em uma tabela de frequências, a média ponderada usa como pesos justamente as frequências de cada valor, o que nada mais é do que uma forma eficiente de somar dados repetidos sem contá-los um a um.

Para ilustrar, considere as notas de um aluno em quatro provas com pesos distintos: 6 (peso 2), 8 (peso 3), 5 (peso 1) e 9 (peso 4); a média ponderada é $\frac{6\cdot2+8\cdot3+5\cdot1+9\cdot4}{2+3+1+4}=\frac{12+24+5+36}{10}=7,7$, valor bem diferente da média simples, que seria 7,0. Isso mostra que a escolha dos pesos muda completamente a leitura do desempenho, algo que aparece em questões de vestibulares como a Fuvest e a Unicamp, geralmente contextualizadas em boletins escolares, índices de inflação ou médias de consumo.

A mediana é, antes de tudo, uma medida de posição que divide o conjunto em duas metades: pelo menos 50% dos dados ficam abaixo ou iguais a ela e pelo menos 50% ficam acima ou iguais. Essa definição vale tanto para dados brutos quanto para distribuições agrupadas, e é justamente aí que a Fuvest e a Unicamp costumam apertar o cerco. Em uma tabela de frequências com classes, por exemplo, calcula-se a mediana por interpolação linear dentro da classe mediana, usando a fórmula $Md = L_i + \frac{\frac{n}{2} - F_{ac}}{f_m} \cdot h$, em que $L_i$ é o limite inferior da classe mediana, $F_{ac}$ a frequência acumulada anterior, $f_m$ a frequência da classe e $h$ sua amplitude.

Dominar a mediana, portanto, é menos decorar fórmula e mais entender que ela responde à pergunta “qual é o centro real desse conjunto?”, preparando você para resolver tanto questões numéricas quanto aquelas que exigem leitura crítica de dados sociais.

Na prática, a moda é a medida de posição mais simples de calcular e a mais resistente: como depende apenas da repetição de valores, não é afetada por valores extremos, o que a torna útil quando há outliers — imagine as notas de uma turma em que quase todos tiraram entre 5 e 7, mas um aluno tirou 0 e outro tirou 10; a média cai ou sobe artificialmente, enquanto a moda permanece no valor típico. Em distribuições agrupadas em classes, quando o enunciado pede um valor pontual e não apenas a classe modal, recorre-se à moda de Czuber, que faz uma interpolação dentro da classe de maior frequência para estimar onde, dentro dela, o valor modal se concentra; é justamente esse refinamento que diferencia a moda da simples identificação da classe, e é o que costuma aparecer em questões de estatística descritiva mais elaboradas.

Vale lembrar ainda que a moda pode não ser única: um conjunto com duas categorias empatadas no topo de frequência é bimodal, e com três ou mais, multimodal, caso em que indicar "a moda" é um equívoco conceitual — por isso, ao resolver uma questão, é prudente verificar se há empate antes de apresentar uma única resposta como definitiva.

O desvio médio mede o quanto, em média, cada valor de um conjunto se afasta da média aritmética, tratando o afastamento sempre como positivo, já que interessa a magnitude da distância, não a direção do desvio: um valor muito acima da média e outro muito abaixo devem pesar igual no resultado. Por isso o módulo é essencial, e é justamente ele que torna o cálculo levemente trabalhoso, exigindo uma passada extra pelos dados antes da divisão final.

Vale notar ainda por que precisamos dele: a soma dos resíduos sem módulo é sempre nula, exatamente porque a média é o ponto de equilíbrio dos dados; o módulo rompe esse cancelamento e permite medir dispersão de verdade. Dois conjuntos com a mesma média podem ter desvios médios bem diferentes: {6, 6, 6, 6, 6} tem $DM=0$, enquanto {3, 5, 6, 7, 9} tem média 6, soma dos desvios em módulo $3+1+0+1+3=8$ e $DM=1,6$ — a mesma média, mas dispersões incomparáveis. Na prática, o desvio médio é menos usado que a variância e o desvio padrão, sobretudo porque o módulo complica o tratamento algébrico e o cálculo diferencial; ainda assim, aparece em provas como conceito de comparação e em questões que pedem interpretação da dispersão de um conjunto.

Em vestibulares como a Fuvest, costuma ser cobrado em problemas de interpretação e comparação entre conjuntos com mesma média, exigindo identificar qual é mais estável, e o ENEM explora contextos cotidianos, como previsibilidade de notas ou temperatura, nos quais o candidato precisa julgar a regularidade dos dados. Já o ITA e a Unicamp, com seu viés analítico, tendem a combiná-lo com propriedades algébricas, pedindo para provar relações entre $DM$ e desvio padrão ou verificar como ele se comporta sob transformações lineares dos dados.

Em resumo, mais importante que decorar a fórmula é entender que o desvio médio quantifica a dispersão absoluta dos dados em torno da média, complementando as medidas de tendência central na leitura completa de um conjunto.

A variância mede o quanto os dados se afastam da média em termos quadráticos, e por isso não é uma simples "média das distâncias": ao elevar ao quadrado, penaliza-se mais os afastamentos grandes e elimina-se o cancelamento entre desvios positivos e negativos, o que faz dela a base de toda a inferência estatística, já que é a medida de dispersão que se decompõe, soma e compara com facilidade.

Vale distinguir população e amostra: quando os dados representam toda a população, divide-se por n, como no resumo; quando são uma amostra extraída de um universo maior, usa-se o estimador não viesado, dividindo por n − 1, artifício que corrige a tendência de subestimar a variabilidade real do universo — na Fuvest e na Unicamp, é comum a questão fornecer os dados e exigir que você identifique pelo enunciado qual caso se aplica, cobrando inclusive a diferença numérica entre os dois resultados. Já no ENEM, a cobrança costuma ser mais conceitual: comparar conjuntos com mesma média e variâncias diferentes para decidir qual é mais regular, estável ou homogêneo, sendo típico o contexto de notas de turmas, tempos de prova ou índices de produção.