Moda

A moda é a mais intuitiva das três medidas de tendência central — todo mundo entende o valor que aparece mais vezes sem precisar de fórmula. Mas estatisticamente ela tem uma peculiaridade que a torna bem diferente da média e da mediana: um conjunto de dados pode não ter moda, ter uma moda, ou ter várias modas ao mesmo tempo. Karl Pearson, o estatístico britânico que fundou a biometria moderna, introduziu o termo moda em 1895 no contexto de curvas de frequência. Ele queria um nome para o pico da distribuição — o valor em torno do qual os dados se agrupam com mais densidade.

Onde a moda realmente brilha é em dados categóricos — e essa é a diferença fundamental que muitos esquecem. Média e mediana só fazem sentido para dados numéricos. Você não consegue calcular a média do time de futebol favorito de uma turma, nem a mediana das cores preferidas de clientes. Mas a moda funciona perfeitamente: o produto mais vendido, o tamanho de roupa mais requisitado, o erro mais frequente nos logs, o browser mais usado pelos visitantes do site. Em análise de dados e machine learning, imputar valores ausentes em colunas categóricas com a moda é a abordagem padrão exatamente por isso.

Distribuições bimodais e multimodais contam histórias interessantes sobre os dados. Se você plota o histograma de horários de acesso a um site e vê dois picos bem distintos — digamos, às 10h e às 20h — isso provavelmente sinaliza dois segmentos de usuário diferentes: o profissional que acessa no trabalho e o casual que acessa à noite. Um único valor de moda mascara essa realidade. Em machine learning, distribuições multimodais são um sinal de alerta: muitos algoritmos assumem que os dados têm um único pico, e violações dessa premissa podem degradar o desempenho do modelo de forma silenciosa.

The mode is the most intuitive of the three measures of central tendency — everyone understands the value that appears most often without needing a formula. But statistically it has a peculiarity that makes it quite different from the mean and median: a dataset can have no mode, one mode, or several modes at the same time. Karl Pearson, the British statistician who founded modern biometrics, introduced the term mode in 1895 in the context of frequency curves. He wanted a name for the peak of the distribution — the value around which data clusters most densely.

Where the mode truly shines is with categorical data — and this is the fundamental difference that many people overlook. Mean and median only make sense for numerical data. You cannot compute the average of a group's favorite sports team, nor the median of customers' preferred colors. But the mode works perfectly: the best-selling product, the most requested clothing size, the most frequent error in logs, the most common browser used by site visitors. In data analysis and machine learning, imputing missing values in categorical columns with the mode is the standard approach for exactly this reason.

Bimodal and multimodal distributions tell interesting stories about data. If you plot a histogram of access times for a website and see two distinct peaks — say, at 10am and 8pm — that likely signals two different user segments: the professional who accesses at work and the casual user who accesses in the evening. A single mode value masks this reality. In machine learning, multimodal distributions are a warning sign: many algorithms assume data has a single peak, and violations of that assumption can silently degrade model performance.

La moda es la más intuitiva de las tres medidas de tendencia central — todo el mundo entiende el valor que aparece más veces sin necesitar una fórmula. Pero estadísticamente tiene una peculiaridad que la hace bastante diferente de la media y la mediana: un conjunto de datos puede no tener moda, tener una sola moda, o tener varias a la vez. Karl Pearson, el estadístico británico que fundó la biometría moderna, introdujo el término moda en 1895 en el contexto de las curvas de frecuencia. Quería un nombre para el pico de la distribución — el valor en torno al cual los datos se agrupan con mayor densidad.

Donde la moda realmente brilla es en los datos categóricos — y esta es la diferencia fundamental que muchos olvidan. La media y la mediana solo tienen sentido para datos numéricos. No puedes calcular el promedio del equipo de fútbol favorito de un grupo, ni la mediana de los colores preferidos de los clientes. Pero la moda funciona perfectamente: el producto más vendido, la talla de ropa más solicitada, el error más frecuente en los logs, el navegador más usado por los visitantes del sitio. En análisis de datos y machine learning, imputar los valores faltantes en columnas categóricas con la moda es el enfoque estándar precisamente por esto.

Las distribuciones bimodales y multimodales cuentan historias interesantes sobre los datos. Si graficas el histograma de los horarios de acceso a un sitio web y ves dos picos bien diferenciados — digamos, a las 10h y a las 20h — eso probablemente indica dos segmentos de usuario distintos: el profesional que accede en el trabajo y el casual que accede por la noche. Un único valor de moda enmascara esa realidad. En machine learning, las distribuciones multimodales son una señal de alerta: muchos algoritmos asumen que los datos tienen un único pico, y las violaciones de esa premisa pueden degradar silenciosamente el rendimiento del modelo.