Que bom que eu não fui a única pessoa a passar pela necessidade do produtório em SQL por terras lusófonas.
Como o @Motta falou em sua confusa e pouco ilustrativa resposta, você pode usar o fato de que o log do produto é igual à soma dos logs e, então, transformar seu problema de produtório para somatório (com algumas adaptações que precisam ser anuladas posteriormente, claro).
Então, vamos mergulhar na terra dos logaritmos?
Essa resposta vai ser dividida em algumas seções, para ficar mais fácil seu manejo e poder segmentar a leitura. São eles:
- de produtórios a somatórios e de volta de novo, com SQL
- log do produto é a soma do log, mas por quê?
- diga não a potência desnecessária: multiplicando
log(x)
por uma constante
NOTA: como os logaritmos só são bem definidos com imagem real para números > 0
, essa resposta falha miseravelmente se o conjunto de dados tiver pelo menos um número nessa situação, precisará fazer uma adaptação.
Você pode conferir no SQLFiddle minha resposta para os dados informados na questão. Notou que a resposta para o caso B
tá distinta da esperada? Pois bem, minha resposta é a média geométrica verdadeira, talvez tenha sido um erro de ponto flutuante/precisão na hora de escrever o resultado esperado.
De produtórios a somatórios e de volta de novo, com SQL
Você tem um problema que é o cálculo de um produtório. Um exemplo de produtório bem
básico é o seguinte, para quem não está acostumado:
O que isso quer dizer? Isso quer dizer que y = x0 * x1 * x2 ... * x10
. O produto dos elementos do conjunto, um contraponto ao somatório que é a soma dos elementos do conjunto.
Note como é extremamente semelhante a um somatório:
No caso, o produtório é representado pela letra grega pi, cujo som lembra bastante o P do português e denota produto. Já o somatório é representado pela letra grega sigma, cujo som lembra bastante o S do português e denota soma.
O somatório, então, é a mesma ideia do produtório porém usando o operador de soma: y = x0 + x1 + x2 ... + x10
Assumindo como verdade que log(A*B) = log(A) + log(B)
, temos que log(x0 * x1 * x2 ... * xn) = log(x0) + log(x1 * x2 ... * xn) = log(x0) + log(x1) + log(x2) ... + log(xn)
. Então, conseguimos daqui fazer um somatório dos logaritmos, porém, para substituir completamente, precisamos anular o logaritmo da jogada.
Mas, como? Simples, pela sua definição.
Na definição de logaritmo, temos que e^x = n
, com e
e n
conhecidos. O logaritmo é a operação usada para encontrar o x
da questão, logo e^x = n <==> x = log(n)
.
A partir dessa definição, temos que e^(log(x0 * x1 * x2 ... * xn)) = x0 * x1 * x2 ... * xn
. Justamente a definição de logaritmo. Porém, graças à propriedade log(A*B) = log(A) + log(B)
, podemos substituir o produtório por somatório sem perder semântica: e^(log(x0) + log(x1) + log(x2) ... + log(xn)) = x0 * x1 * x2 ... * xn
.
Como representar isso no SQL? Usando o exponencial do somatório dos logaritmos de dada coluna:
SELECT
campo,
exp(sum(log(valor))) as produtorio
FROM
dados
GROUP BY
campo
Note que, como não é necessário explicitar a base, não estou usando nem LOG10
nem tampouco POWER(10, expoente)
, porém simples LOG
e EXP
Log do produto é a soma do log, mas por quê?
Sejam A
e B
dois números reais positivos quaisquer. Nenhuma outra imposição a eles é feita. Isso significa que há algum a = log2(A)
e b = log2(B)
que são os logaritmos de A
e B
respectivamente na base 2.
Se, por acaso, eu multiplicar A*B
vou obter um número C
, também real e positivo. Como a = log2(A)
, isso significa que A = 2^a
. Analogamente temos B = 2^b
. Logo, A*B = C = 2^a * 2^b
. Podemos simplificar a potência de 2 assim: C = 2^(a+b)
.
E como seria se eu tirasse o log2
de tudo?
Bem, sabendo que C = 2^(a+b)
, temos que log2(C) = a + b
. Porém não podemos nos esquecer que C = A*B
. Logo, log2(A*B) = a + b
. Substituindo as fórmulas iniciais de a
e b
:
log2(A*B) = log2(A) + log2(B)
Os cálculos foram feitos na base 2 por ilustração, mas poderia ser qualquer base, até mesmo φ.
Diga não a potência desnecessária: multiplicando log(x) por uma constante
Mas você não quer simplesmente o produtório, mas sim a média geométrica. O produtório era apenas um meio para se chegar na média geométrica. A fórmula para média geométrica de um conjunto é dada pela seguinte fórmula:
Ou seja, é a exponenciação do produtório pelo inverso da quantidade de elementos no produtório.
Se for transportar exatamente isso para o SQL fica algo assim:
SELECT
campo,
power(exp(sum(log(valor))), 1/count(*)) as media_geo
FROM
dados
GROUP BY
campo
Porém fica mais estranho exponenciar 2 vezes seguidas, não acha? Além de aparentar muita demanda computacional à toa? E, sim, está certo: tem trabalho sendo feito desnecessariamente aqui.
Tem uma propriedade muito importante da exponenciação que vamos usá-la agora: ela é distributiva sobre a multiplicação:
E tem outra propriedade bacana dos logaritmos: log(a^b) = b * log(a)
. Daqui, podemos tranquilamente chegar nessa transformação:
Em SQL, ficaria assim:
SELECT
campo,
exp(sum(log(valor))/count(*)) as media_geo
FROM
dados
GROUP BY
campo