Identificar outliers é essencial porque esses valores extremos podem distorcer análises e levar a conclusões erradas. Eles podem indicar erros de medição, dados excepcionais ou fenômenos relevantes que merecem investigação. Ao entender e tratar outliers, garantimos maior precisão nas análises e insights mais confiáveis para a tomada de decisões.
Quais das seguintes estatísticas não é afetada pela presença de outliers?
a) Amplitude interquartil
b) Desvio padrão
c) Variância
d) Média
e) Mediana

Passo 1

O enunciado pergunta qual das estatísticas abaixo NÃO é afetada pela presença de outliers (valores extremos):
a) Amplitude interquartil
b) Desvio padrão
c) Variância
d) Média
e) Mediana
O que é pedido: identificar, entre as alternativas, a estatística que permanece essencialmente inalterada quando surgem outliers nos dados.

Passo 2

O que é um outlier e por que ele pode atrapalhar?
Um outlier é um valor muito distante dos demais valores de um conjunto de dados (por exemplo, um erro de medição ou um caso excepcional). Outliers tendem a distorcer estatísticas que dependem da magnitude dos valores (por exemplo, somas, quadrados das diferenças), mas não distorcem — ou distorcem muito pouco — estatísticas baseadas somente na posição ordenada dos dados. Vamos agora examinar cada medida.

Passo 3

Média: definição e por que é sensível a outliers.
Definição: a média aritmética de um conjunto de n observações x_1,\dots,x_n é
\bar{x}=\frac{1}{n}\sum_{i=1}^{n} x_i,
onde cada x_i é um valor do conjunto. Aqui \bar{x} é o “centro” obtido pela soma dos valores dividida por n.
Por que outliers afetam: a média depende diretamente do valor numérico de cada observação; um único valor muito grande (ou muito pequeno) altera fortemente a soma e, portanto, a média.
Exemplo numérico (muito didático): considere os dados
2,\;3,\;4,\;5,\;6.
A média é
\bar{x}=\frac{2+3+4+5+6}{5}=\frac{20}{5}=4.
Agora troque o último valor por um outlier 100:
2,\;3,\;4,\;5,\;100.
A nova média é
\bar{x}=\frac{2+3+4+5+100}{5}=\frac{114}{5}=22,8.
Viu a mudança grande? A média foi fortemente afetada.

Passo 4

Variância e desvio padrão: definição e sensibilidade.
Definição (população): a variância é
\sigma^2=\frac{1}{n}\sum_{i=1}^{n}(x_i-\mu)^2,
onde \mu é a média populacional. Para amostra costuma-se usar a versão amostral
s^2=\frac{1}{n-1}\sum_{i=1}^{n}(x_i-\bar{x})^2.
O desvio padrão é a raiz da variância:
s=\sqrt{s^2}.
Por que outliers afetam: a variância usa o quadrado da diferença (x_i-\bar{x})^2, então diferenças grandes (causadas por outliers) são amplificadas pelo quadrado, fazendo a variância e o desvio padrão crescerem muito.
Aplicando ao mesmo exemplo:
  • Para 2,3,4,5,6 com média \bar{x}=4, as diferenças ao quadrado são 4,1,0,1,4 (soma 10). A variância populacional seria 10/5=2 e o desvio padrão \sqrt{2}\approx1,414.
  • Para 2,3,4,5,100 com média \bar{x}=22{,}8, as diferenças ao quadrado são aproximadamente 432{,}64,\;384{,}16,\;352{,}64,\;324{,}84,\;5959{,}84 (soma \approx 7454{,}12). A variância populacional fica \approx 1490{,}82 e o desvio padrão \approx 38{,}60. Mudança enorme. Logo variância e desvio padrão são muito sensíveis a outliers.

Passo 5

Amplitude interquartil (IQR): definição e comportamento frente a outliers.
Definição: a amplitude interquartil é
\text{IQR}=Q_3-Q_1,
onde Q_1 é o primeiro quartil (mediana da metade inferior dos dados) e Q_3 é o terceiro quartil (mediana da metade superior). A IQR mede a dispersão central dos 50\% centrais dos dados.
Por que é relativamente resistente: Q_1 e Q_3 dependem da ordem (ranks) dos dados, não dos valores numéricos exatos; portanto um pequeno número de outliers extremos tende a não mover muito os quartis em amostras grandes — a IQR é considerada uma medida robusta de dispersão.
Cuidado com amostras pequenas: em conjuntos muito pequenos um outlier pode entrar na metade superior e alterar Q_3, portanto IQR não é totalmente imune em todos os casos, mas em geral é muito menos afetada que média/variância/desvio.
Exemplo rápido (mesmo conjunto): para 2,3,4,5,6 (ordem já crescente), com n=5 a mediana é 4, a metade inferior é 2,3 então Q_1=(2+3)/2=2{,}5, a metade superior é 5,6 então Q_3=(5+6)/2=5{,}5, e \text{IQR}=5{,}5-2{,}5=3.
Com 2,3,4,5,100, Q_1 continua 2{,}5 mas Q_3=(5+100)/2=52{,}5 (consequência de amostra muito pequena), então \text{IQR}=50. Neste exemplo a IQR mudou bastante por conta do pequeno tamanho da amostra; em amostras maiores isso raramente ocorre. Conclusão: IQR é mais robusta que média/variância/desvio, mas não completamente imune em todos os cenários.

Passo 6

Mediana: definição e por que é praticamente imune a outliers.
Definição: A mediana é o valor central de um conjunto ordenado de dados. Para n ímpar, é o \frac{n+1}{2}-ésimo valor; para n par, é a média dos dois valores centrais. Em símbolos, para dados ordenados x_{(1)}\le\cdots\le x_{(n)}, a mediana m é o valor que satisfaz que metade dos dados está abaixo e metade acima de m.
Por que outliers não afetam (ou afetam muito pouco): a mediana depende só da posição relativa (ordem) dos dados e não dos valores numéricos extremos. Substituir um valor por um número muito grande (ou muito pequeno) normalmente não muda qual é o elemento central, desde que o outlier não altere a ordem suficiente para deslocar a posição central.
Mostrar no exemplo:
  • Para 2,3,4,5,6 a mediana é 4.
  • Para 2,3,4,5,100 a mediana continua 4.
    Ou seja, apesar do 100 ser um outlier enorme, a mediana permaneceu exatamente a mesma. É por isso que a mediana é dita robusta frente a outliers.

Passo 7

Resumo comparativo e conclusão prática (jeito de pensar na prova):
  • A média ( \bar{x}) é afetada por outliers porque usa a soma dos valores.
  • A variância ( s^2) e o desvio padrão ( s) são ainda mais afetados porque envolvem quadrados das diferenças, amplificando extremos.
  • A amplitude interquartil (IQR) é relativamente resistente, mas pode mudar em amostras pequenas ou em situações em que o outlier muda os quartis; não é totalmente imune.
  • A mediana depende apenas da posição central e, na prática, NÃO é afetada por um ou poucos outliers (é a medida de tendência central mais robusta).
Portanto a alternativa correta é a mediana.

Resposta

e) Mediana

Exercícios relacionados