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
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
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.
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 observações
é
Definição: a média aritmética de um conjunto de
onde cada
é um valor do conjunto. Aqui
é o “centro” obtido pela soma dos valores dividida por
.
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.
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
A média é
Agora troque o último valor por um outlier
:
A nova média é
Viu a mudança grande? A média foi fortemente afetada.
Passo 4
Variância e desvio padrão: definição e sensibilidade.
Definição (população): a variância é
Definição (população): a variância é
onde
é a média populacional. Para amostra costuma-se usar a versão amostral
O desvio padrão é a raiz da variância:
Por que outliers afetam: a variância usa o quadrado da diferença
, então diferenças grandes (causadas por outliers) são amplificadas pelo quadrado, fazendo a variância e o desvio padrão crescerem muito.
Aplicando ao mesmo exemplo:
- Para
com média , as diferenças ao quadrado são (soma ). A variância populacional seria e o desvio padrão . - Para
com média , as diferenças ao quadrado são aproximadamente (soma ). A variância populacional fica e o desvio padrão . 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
Definição: a amplitude interquartil é
onde
é o primeiro quartil (mediana da metade inferior dos dados) e
é o terceiro quartil (mediana da metade superior). A IQR mede a dispersão central dos
centrais dos dados.
Por que é relativamente resistente: e
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 , portanto IQR não é totalmente imune em todos os casos, mas em geral é muito menos afetada que média/variância/desvio.
Por que é relativamente resistente:
Cuidado com amostras pequenas: em conjuntos muito pequenos um outlier pode entrar na metade superior e alterar
Exemplo rápido (mesmo conjunto): para
(ordem já crescente), com
a mediana é
, a metade inferior é
então
, a metade superior é
então
, e
.
Com ,
continua
mas
(consequência de amostra muito pequena), então
. 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.
Com
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 ímpar, é o
-ésimo valor; para
par, é a média dos dois valores centrais. Em símbolos, para dados ordenados
, a mediana
é o valor que satisfaz que metade dos dados está abaixo e metade acima de
.
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.
Definição: A mediana é o valor central de um conjunto ordenado de dados. Para
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
a mediana é . - Para
a mediana continua .
Ou seja, apesar doser 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 (
) é afetada por outliers porque usa a soma dos valores. - A variância (
) e o desvio padrão ( ) 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