Calculadora MAD

O desvio médio absoluto, em geral abreviado como MAD, é a distância média entre cada número de uma lista e a média aritmética dessa mesma lista. Esta calculadora MAD recebe uma série finita, calcula a média, calcula a média dos resíduos absolutos e devolve a MAD junto com a contagem de observações e a média para que você possa auditar os passos. Como os resíduos não são elevados ao quadrado, um valor extremo não domina o resultado do jeito que ocorre com a variância ou o desvio padrão. Uma lista vazia é rejeitada, e também qualquer entrada que não seja um número finito, porque a estatística não está definida sem pelo menos uma observação válida. O caminho é determinístico: sem rede, sem amostragem aleatória e sem relógio.

O que a MAD mede e o que a resposta contém

O desvio médio absoluto responde a uma pergunta simples: em média, a que distância uma observação típica fica do centro desta lista em particular? O centro usado aqui é a média aritmética μ, a soma dos números dividida pela contagem n. Cada observação contribui então com o valor absoluto do seu resíduo |xᵢ − μ|, esses resíduos absolutos são somados e o total é dividido por n.

O resultado vive nas mesmas unidades das medições originais, o que o torna mais fácil de explicar do que a variância, cujas unidades estão ao quadrado. Esta calculadora sempre devolve uma carga útil pequena e estável: n, a média, a soma dos desvios absolutos, a própria MAD e uma string curta de fórmula. Não há fallback silencioso para zero quando a lista está vazia, e não se tenta adivinhar um número a partir de um rótulo, um booleano ou um objeto aninhado.

Um único valor finito é válido e produz MAD zero, porque o único resíduo é zero. Dois ou mais valores produzem uma MAD não negativa que só é zero quando todas as entradas coincidem com a média. Se você precisa de desvio padrão populacional ou amostral, variância, um escore z ou um perfil CSV de várias colunas, use essas ferramentas dedicadas; esta página existe para o termo curto MAD e para a média exata dos desvios absolutos em torno da média.

Como a lista é lida e como o algoritmo de duas passagens permanece exato

O campo canônico é values, um array de números finitos. Cada token é analisado como um decimal; sinais opcionais e notação científica são permitidos. Tokens vazios, letras, booleanos e objetos falham com um índice de campo na mensagem, para que uma célula ruim não vire um zero silencioso.

Infinity e NaN são rejeitados pelo mesmo motivo. O cálculo é o método clássico de duas passagens: primeiro a soma e a média, depois a soma dos desvios absolutos em relação a essa média, então a MAD como essa soma dividida por n. Devolver a soma intermediária dos desvios absolutos permite que um estudante ou um revisor confira a aritmética à mão.

Onde um valor MAD é útil em estudo, qualidade e verificações de produto

As salas de aula recorrem à MAD quando um primeiro curso de dispersão quer uma distância linear antes de alguém elevar resíduos ao quadrado. Um caderno de laboratório que registra medições repetidas da mesma grandeza pode informar o quanto as repetições típicas se afastam da média da sessão, sem reivindicar um modelo inferencial completo. Um professor pode imprimir um gabarito para uma série curta e saber que a página não trocará a MAD pelo desvio absoluto mediano nem por um atalho de desvio padrão amostral.

Equipes de engenharia e operações usam o mesmo número como verificação compacta de saúde: se a MAD de latência, tamanho de cesta ou contagens de erro colapsa rumo a zero, a coluna pode ter congelado; se ela salta, um processo pode ter derivado mesmo quando a média parece estável. Pipelines de features que escalam uma coluna pelo resíduo absoluto típico podem chamar este contrato em vez de enviar um auxiliar improvisado que depois se afasta da fórmula documentada. Nesta página o trabalho roda inteiramente no seu navegador.

Use uma ferramenta dedicada de desvio padrão quando precisar de dispersão quadrática, e uma ferramenta dedicada de mediana quando o centro deve ser a mediana e não a média.