# Calculadora de media winsorizada Calcula uma media winsorizada limitando extremos baixos e altos antes da media > Página canônica: https://elysiatools.com/pt/tools/winsorized-mean-calculator - **Categoria:** Math & Numbers - **Palavras-chave:** media winsorizada, estatistica, outliers, robusta ## Visão geral Ordena os dados, substitui extremos pelos limites retidos mais proximos e calcula a media. Util para limitar outliers sem remover amostras. ## Entradas - **Conjunto de dados** (textarea): e.g. 10, 12, 14, 16, 18, 100 - **Percentual winsorizado por cauda** (number) - **Casas decimais** (number) - **Incluir conjunto winsorizado** (checkbox) ## Quando usar - Quando você precisa calcular uma média representativa em conjuntos de dados que contêm valores atípicos extremos (outliers). - Quando é necessário manter o tamanho original da amostra em vez de excluir dados, ao contrário do que ocorre na média truncada. - Ao analisar dados financeiros, salariais ou de tempo de resposta, onde picos anômalos podem distorcer a média tradicional. ## Como funciona - Insira seu conjunto de dados numéricos no campo de texto principal. - Defina o percentual winsorizado por cauda (por exemplo, 10%) para determinar a proporção de extremos que será substituída. - A ferramenta ordena os dados e substitui os valores extremos inferiores e superiores pelos limites retidos mais próximos. - Por fim, calcula a média do novo conjunto de dados modificado e exibe o resultado com a precisão de casas decimais escolhida. ## Casos de uso - Análise de salários em uma empresa, evitando que a remuneração de diretores (muito alta) distorça a média dos funcionários. - Avaliação de tempos de carregamento de servidores, onde falhas pontuais geram tempos de resposta extremamente altos que não representam o padrão. - Estudos de mercado imobiliário para calcular o preço médio de imóveis em um bairro, limitando o impacto de mansões ou propriedades em ruínas. ## Perguntas frequentes ### Qual a diferença entre média winsorizada e média truncada? A média truncada (ou aparada) remove completamente os valores extremos da amostra. Já a média winsorizada substitui esses valores pelos limites mais próximos, mantendo o número total de observações. ### O que significa o percentual winsorizado por cauda? É a porcentagem de dados em cada extremidade (menores e maiores valores) que será substituída. Um valor de 10% altera os 10% menores e os 10% maiores valores do conjunto. ### Qual é o limite máximo para o percentual de corte? A ferramenta permite configurar até 45% por cauda, garantindo que pelo menos 10% dos dados centrais originais sejam mantidos para o cálculo da média. ### Posso ver o conjunto de dados após a winsorização? Sim. Basta marcar a opção 'Incluir conjunto winsorizado' para visualizar os dados com os valores extremos já substituídos no resultado final em formato JSON. ### Como devo formatar os dados de entrada? Você pode colar os números separados por vírgulas, espaços ou quebras de linha diretamente no campo de texto do conjunto de dados. ## Ferramentas relacionadas - [Calculadora de medias](https://elysiatools.com/pt/tools/average-calculator): Compara media aritmetica, geometrica e harmonica para o mesmo conjunto de dados - [Calculadora de Intervalo de Confianca](https://elysiatools.com/pt/tools/confidence-interval-calculator): Calcula intervalos de confianca para media amostral ou proporcao usando dados brutos ou estatisticas resumidas - [Calculadora de media geometrica](https://elysiatools.com/pt/tools/geometric-mean-calculator): Calcula a media geometrica de valores positivos para taxas de crescimento, razoes e dados multiplicativos - [Calculadora de media harmonica](https://elysiatools.com/pt/tools/harmonic-mean-calculator): Calcula a media harmonica de valores positivos com comparacao opcional de medias - [Calculadora de LMTD de Trocador (Diferença Média Logarítmica)](https://elysiatools.com/pt/tools/heat-exchanger-lmtd): Calcula o LMTD (diferença média logarítmica de temperatura) de um trocador: paralelo ΔT₁=T_h,in-T_c,in, ΔT₂=T_h,out-T_c,out; contracorrente ΔT₁=T_h,in-T_c,out, ΔT₂=T_h,out-T_c,in. LMTD=(ΔT₁-ΔT₂)/ln(ΔT₁/ΔT₂); se ΔT₁=ΔT₂ toma-se ΔT₁; se algum ΔT ≤ 0 há cruzamento de temperaturas (impossível fisicamente) e ocorre erro. Opcionalmente, com o coeficiente global U (W/(m²·K)) e a área A (m²), obtém-se o fluxo de calor Q=U·A·LMTD (W). As temperaturas só importam como diferenças: Δ°C=ΔK e Δ°F×5/9=ΔK; o LMTD é dado em K. - [Calculadora de media](https://elysiatools.com/pt/tools/mean-calculator): Calcula a media aritmetica de um conjunto numerico e mostra estatisticas de apoio - [Calculadora de Distribuicao Normal](https://elysiatools.com/pt/tools/normal-distribution-calculator): Calcula z-scores, probabilidade acumulada, probabilidade de cauda e probabilidade de intervalo para uma distribuicao normal - [Calculadora Estatística](https://elysiatools.com/pt/tools/statistics-calculator): Calcula medidas estatísticas para conjuntos de dados numéricos incluindo média, mediana, moda, desvio padrão e mais ## Exemplos - [Exemplos de Processamento de Imagem Android Java](https://elysiatools.com/pt/samples/android-image-processing-java): Exemplos de processamento de imagem Android Java incluindo leitura/escrita, dimensionamento e conversão de formato - [Exemplos de Processamento de Imagem Android Kotlin](https://elysiatools.com/pt/samples/android-image-processing-kotlin): Exemplos de processamento de imagem Android Kotlin incluindo leitura/escrita, dimensionamento e conversão de formato - [Exemplos de Processamento de Imagem Web Python](https://elysiatools.com/pt/samples/web-image-processing-python): Exemplos de processamento de imagem Web Python usando PIL/Pillow incluindo leitura, salvamento, redimensionamento e conversão de formato - [Exemplos de Processamento de Imagem Web Rust](https://elysiatools.com/pt/samples/web-image-processing-rust): Exemplos de processamento de imagem Web Rust incluindo leitura/gravação, redimensionamento e conversão de formato ## Conteúdo relacionado - [Fluxos de qualidade de dados e investigacao de anomalias](https://elysiatools.com/pt/hubs/data-quality-anomaly-workflows): Perfilhe dados tabulares, isole duplicatas, faltas, quebras referenciais, outliers e anomalias temporais e transforme os achados em evidencia de qualidade.