Atualizado em 04/11/2026: texto corrigido: a fórmula e o exemplo da prova eram anunciados e não apareciam; agora estão no texto, com as contas. Entraram o uso em IA e as fontes, e saiu a afirmação de que a média ponderada é mais justa e precisa. Como conferimos os dados
A média ponderada (weighted average) é a média em que cada valor tem um peso, e os valores de peso maior contam mais no resultado. Na média aritmética simples, todos contam igual.
Fórmula
média ponderada = (p₁ · x₁ + p₂ · x₂ + … + pₙ · xₙ) ÷ (p₁ + p₂ + … + pₙ)
x são os valores e p são os pesos. Multiplique cada valor pelo peso, some tudo e divida pela soma dos pesos.
- Os pesos não podem ser negativos. Alguns podem ser zero, mas não todos, porque a divisão por zero não existe.
- Se todos os pesos forem iguais, o resultado é a média aritmética simples.
- Se os pesos somarem 1, não precisa dividir: basta somar os produtos.
Exemplo com notas
Notas 6, 8 e 9, com pesos 2, 3 e 5:
(2 × 6 + 3 × 8 + 5 × 9) ÷ (2 + 3 + 5) = (12 + 24 + 45) ÷ 10 = 81 ÷ 10 = 8,1
A média simples daria 23 ÷ 3 ≈ 7,67. A ponderada fica mais alta porque a maior nota tem o maior peso.
Exemplo de uma prova
Uma prova tem três questões, que valem 2, 3 e 5 pontos. Você fez 1, 2 e 4 pontos.
| Questão | Vale (peso) | Você fez | Aproveitamento |
|---|---|---|---|
| 1 | 2 | 1 | 1 ÷ 2 = 50% |
| 2 | 3 | 2 | 2 ÷ 3 ≈ 66,7% |
| 3 | 5 | 4 | 4 ÷ 5 = 80% |
- Média ponderada dos aproveitamentos: (2 × 1/2 + 3 × 2/3 + 5 × 4/5) ÷ 10 = (1 + 2 + 4) ÷ 10 = 7 ÷ 10 = 70%. É o mesmo que 7 pontos em 10.
- Média simples dos aproveitamentos: cerca de 65,6%. Ela erra porque trata a questão de 2 pontos como se valesse tanto quanto a de 5.
- Erro comum: usar os pontos feitos como valores e os pontos da questão como pesos, o que dá 28 ÷ 10 = 2,8. Esse número não significa nada, porque os pontos feitos já carregam o peso da questão.
Onde aparece em IA e em dados
- Métricas: no scikit-learn,
average='weighted'tira a média das métricas de cada classe, com peso pelo número de exemplos reais da classe. Com duas classes de 90 e 10 exemplos e F1 de 0,9 e 0,5, o resultado é (90 × 0,9 + 10 × 0,5) ÷ 100 = 0,86. - Combinação de modelos: o parâmetro
weightsdoVotingClassifierpondera, no soft voting, as probabilidades de cada modelo antes de tirar a média. - Atenção nos Transformers: a saída é uma soma ponderada dos valores, com pesos que vêm de uma softmax. Como esses pesos somam 1, o resultado é uma média ponderada.
- Em código:
numpy.average([6, 8, 9], weights=[2, 3, 5])devolve 8,1. Se todos os pesos forem zero, dá erro de divisão por zero.
Cuidados
- Os pesos são uma escolha: pesos diferentes dão resultados diferentes, então vale deixar claro de onde eles vieram.
- Valores extremos continuam pesando: quanto maior o peso de um valor extremo, mais ele puxa o resultado.
- Comparar grupos pode enganar: as médias ponderadas podem levar a resultados contraintuitivos, como no paradoxo de Simpson.
Termos relacionados
Fontes (conferidas em 04/11/2026): Wikipédia: Média aritmética ponderada · Wikipédia (inglês): Weighted arithmetic mean · NumPy: average · scikit-learn: f1_score · scikit-learn: VotingClassifier · Vaswani et al.: Attention Is All You Need