O que é o desvio padrão?
O desvio padrão quantifica a dispersão de um conjunto de dados em relação à sua média. Um desvio padrão baixo indica que os pontos de dados estão agrupados estreitamente em torno da média. Um desvio padrão alto significa que os pontos de dados se espalham por uma ampla faixa de valores.
Os analistas usam essa métrica para medir volatilidade, risco e consistência. Nas finanças, uma ação com alto desvio padrão experimenta flutuações de preço significativas. Na manufatura, um baixo desvio padrão indica controle de qualidade rigoroso e dimensões de produto consistentes.
Desvio padrão da população vs. amostra
Calcular o desvio padrão requer um ponto de referência central preciso. Você deve primeiro determinar a média do seu conjunto de dados antes de medir sua dispersão. Nossa Calculadora de Média fornece o valor central exato necessário para esta etapa fundamental.
A fórmula matemática muda dependendo se seus dados representam uma população inteira ou um subconjunto. Usar a fórmula errada introduz um viés sistemático em sua análise estatística.
| Característica | Desvio padrão da população ($\sigma$) | Desvio padrão da amostra ($s$) |
|---|---|---|
| Definição | Mede a dispersão de um grupo inteiro. | Mede a dispersão de um subconjunto (amostra). |
| Denominador | Divide por $N$ (tamanho total da população). | Divide por $n - 1$ (correção de Bessel). |
| Caso de uso | Dados de censo, registros completos. | Pesquisas, experimentos, estatística inferencial. |
Fórmulas do desvio padrão
A notação matemática muda dependendo se você calcula a dispersão para uma população inteira ou uma amostra. Ambas as fórmulas dependem do operador de somatório, denotado pela letra grega maiúscula Sigma ($\sum$).
Fórmula do desvio padrão da população
Quando você possui dados para cada membro da população, a fórmula é:
Onde:
- $\sigma$ = desvio padrão da população
- $\mu$ = média da população
- $x_i$ = cada valor individual
- $N$ = número total de valores na população
Fórmula do desvio padrão da amostra
Quando você trabalha com uma amostra extraída de uma população maior, a fórmula é:
Onde:
- $s$ = desvio padrão da amostra
- $\bar{x}$ = média da amostra
- $x_i$ = cada valor individual
- $n - 1$ = graus de liberdade (correção de Bessel)
As fórmulas abreviadas (de cálculo)
A fórmula de cálculo oferece uma alternativa mais rápida ao trabalhar com estatísticas resumidas. Ela elimina a necessidade de calcular desvios individuais em relação à média. Este método é altamente prático para grandes conjuntos de dados ou cálculos manuais.
Fórmula abreviada para a população:
Fórmula abreviada para a amostra:
Cálculo manual do desvio padrão
O cálculo manual segue um rigoroso processo de seis etapas. Embora nossa calculadora automatize isso, compreender a mecânica continua sendo essencial para a alfabetização estatística. Os exemplos a seguir demonstram ambos os métodos em detalhes.
Desvio padrão da amostra
Um pesquisador farmacêutico registra os tempos de recuperação (em dias) de 8 pacientes tomando um novo medicamento. O conjunto de dados é: $12, 15, 14, 18, 13, 16, 14, 17$. Tratamos isso como uma amostra extraída de uma população maior de todos os pacientes em potencial.
Solução
- Calcule a média da amostra ($\bar{x}$): Some os valores ($119$) e divida por $n$ ($8$). $\bar{x} = 14,875$ dias.
- Encontre os desvios em relação à média: Subtraia $14,875$ de cada valor (ex. $12 - 14,875 = -2,875$).
- Eleve cada desvio ao quadrado: Multiplique cada desvio por si mesmo (ex. $(-2,875)^2 = 8,265625$).
- Some os desvios ao quadrado: Some todos os valores ao quadrado. $\sum (x_i - \bar{x})^2 = 28,875$.
- Divida por $n-1$ para obter a variância da amostra ($s^2$): $28,875 \div 7 = 4,125$.
- Tire a raiz quadrada: $\sqrt{4,125} \approx 2,031$.
Resultado: O desvio padrão da amostra é de 2,031 dias. Isso indica que, em média, os tempos de recuperação dos pacientes desviam do tempo médio de recuperação de 14,875 dias em aproximadamente 2,031 dias.
A tabela abaixo detalha os cálculos de desvio para esta amostra:
| Observação ($x_i$) | Desvio ($x_i - \bar{x}$) | Desvio ao quadrado $(x_i - \bar{x})^2$ |
|---|---|---|
| 12 | -2,875 | 8,266 |
| 15 | 0,125 | 0,016 |
| 14 | -0,875 | 0,766 |
| 18 | 3,125 | 9,766 |
| 13 | -1,875 | 3,516 |
| 16 | 1,125 | 1,266 |
| 14 | -0,875 | 0,766 |
| 17 | 2,125 | 4,516 |
| Soma: | 28,875 | |
Desvio padrão da população
Um professor registra as notas do exame final de todos os 10 alunos de uma pequena turma. O conjunto de dados é: $78, 82, 85, 90, 92, 88, 84, 86, 91, 89$. Como isso inclui cada aluno da turma, tratamos como uma população completa.
Solução
- Calcule a média da população ($\mu$): Some os valores ($865$) e divida por $N$ ($10$). $\mu = 86,5$ pontos.
- Encontre os desvios em relação à média: Subtraia $86,5$ de cada valor (ex. $78 - 86,5 = -8,5$).
- Eleve cada desvio ao quadrado: Multiplique cada desvio por si mesmo (ex. $(-8,5)^2 = 72,25$).
- Some os desvios ao quadrado: Some todos os valores ao quadrado. $\sum (x_i - \mu)^2 = 198,5$.
- Divida por $N$ para obter a variância da população ($\sigma^2$): $198,5 \div 10 = 19,85$.
- Tire a raiz quadrada: $\sqrt{19,85} \approx 4,455$.
Resultado: O desvio padrão da população é de 4,455 pontos. Isso indica que as notas dos alunos tipicamente desviam da média da turma de 86,5 pontos em aproximadamente 4,455 pontos.
A tabela abaixo detalha os cálculos de desvio para esta população:
| Observação ($x_i$) | Desvio ($x_i - \mu$) | Desvio ao quadrado $(x_i - \mu)^2$ |
|---|---|---|
| 78 | -8,5 | 72,25 |
| 82 | -4,5 | 20,25 |
| 85 | -1,5 | 2,25 |
| 90 | 3,5 | 12,25 |
| 92 | 5,5 | 30,25 |
| 88 | 1,5 | 2,25 |
| 84 | -2,5 | 6,25 |
| 86 | -0,5 | 0,25 |
| 91 | 4,5 | 20,25 |
| 89 | 2,5 | 6,25 |
| Soma: | 198,50 | |
Cálculo com a fórmula abreviada
Um inspetor de controle de qualidade mede o diâmetro de 5 hastes metálicas em milímetros. O conjunto de dados é: $10,1, 9,9, 10,0, 10,2, 9,8$. Usaremos a fórmula abreviada da amostra para evitar calcular desvios individuais.
Solução
- Calcule a soma dos valores ($\sum x_i$): $10,1 + 9,9 + 10,0 + 10,2 + 9,8 = 50,0$.
- Calcule a média da amostra ($\bar{x}$): $50,0 \div 5 = 10,0$ mm.
- Calcule a soma dos valores ao quadrado ($\sum x_i^2$): $10,1^2 + 9,9^2 + 10,0^2 + 10,2^2 + 9,8^2 = 102,01 + 98,01 + 100,00 + 104,04 + 96,04 = 500,10$.
- Aplique a fórmula abreviada da amostra: $s = \sqrt{\frac{500,10 - 5(10,0)^2}{5-1}}$.
- Simplifique o numerador: $500,10 - 5(100) = 500,10 - 500 = 0,10$.
- Divida e tire a raiz quadrada: $s = \sqrt{\frac{0,10}{4}} = \sqrt{0,025} \approx 0,158$.
Resultado: O desvio padrão da amostra é de 0,158 mm. A fórmula abreviada evitou com sucesso a tediosa subtração e elevação ao quadrado de desvios individuais.
Comparação de consistência: Um exemplo de duplo conjunto
Uma fábrica opera duas máquinas que enchem garrafas de 1 litro. A máquina A produz volumes de: $998, 1002, 1000, 1001, 999$ ml. A máquina B produz volumes de: $990, 1010, 1005, 995, 1000$ ml. Ambas as máquinas têm uma média idêntica de 1000 ml, mas sua consistência difere drasticamente.
Solução
- Analise a máquina A: Os desvios em relação à média são muito pequenos ($-2, 2, 0, 1, -1$). A soma dos desvios ao quadrado é apenas 10. Dividir por $n-1$ (4) dá uma variância de 2,5. O desvio padrão é $\sqrt{2,5} \approx 1,58$ ml.
- Analise a máquina B: Os desvios são muito maiores ($-10, 10, 5, -5, 0$). A soma dos desvios ao quadrado é 250. Dividir por 4 dá uma variância de 62,5. O desvio padrão é $\sqrt{62,5} \approx 7,91$ ml.
Resultado: A máquina A tem um desvio padrão de 1,58 ml, enquanto a máquina B tem um desvio padrão de 7,91 ml. Embora ambas as máquinas atinjam a meta de 1000 ml em média, a máquina A é muito mais consistente e confiável para a fabricação.
Desvio padrão vs. Variância e Amplitude
A variância e o desvio padrão medem o mesmo conceito, mas usam unidades diferentes. A variância representa o desvio médio ao quadrado, o que distorce a escala de medição original. Tirar a raiz quadrada da variância retorna o desvio padrão às unidades originais do conjunto de dados.
A amplitude fornece uma medida de dispersão muito mais simples. Ela subtrai o valor mínimo do valor máximo. No entanto, a amplitude usa apenas dois pontos de dados, tornando-a muito sensível a valores atípicos.
O desvio padrão incorpora cada ponto de dados, fornecendo uma medida de dispersão muito mais robusta. Considere um conjunto de notas de teste: $70, 80, 90$. A amplitude é $90 - 70 = 20$. A variância é $100$. O desvio padrão é $\sqrt{100} = 10$. Enquanto a amplitude indica a dispersão total, o desvio padrão indica a distância típica de cada nota em relação à média de 80.
Nossa Calculadora de Variância e nossa Calculadora de Amplitude ajudam você a calcular rapidamente essas métricas de dispersão alternativas.
A regra empírica do desvio padrão
A regra empírica, também conhecida como regra 68-95-99,7, afirma que para uma distribuição normal, quase todos os dados caem dentro de três desvios padrão da média.
- 68% dos dados caem dentro de um desvio padrão (acima e abaixo) da média.
- 95% dos dados caem dentro de dois desvios padrão da média.
- 99,7% dos dados caem dentro de três desvios padrão da média.
Como funciona
- Média ($\mu$): A média ou ponto central dos dados.
- Desvio padrão ($\sigma$): Uma medida de quão longe os pontos de dados se espalham do centro.
Exemplo prático
Suponha que as alturas de uma espécie de planta específica sejam normalmente distribuídas com uma média ($\mu$) de 150 cm e um desvio padrão ($\sigma$) de 10 cm.
- Um desvio padrão: $150 \pm 10$ cm. Aproximadamente 68% das plantas medem entre 140 cm e 160 cm.
- Dois desvios padrão: $150 \pm 20$ cm. Aproximadamente 95% das plantas medem entre 130 cm e 170 cm.
- Três desvios padrão: $150 \pm 30$ cm. Aproximadamente 99,7% das plantas medem entre 120 cm e 180 cm.
Esta regra permite que os pesquisadores estimem rapidamente as probabilidades e identifiquem valores atípicos sem cálculos complexos.
O coeficiente de variação (CV) permite que você compare a volatilidade de dois conjuntos de dados completamente diferentes. Você o calcula dividindo o desvio padrão pela média e multiplicando por 100. Um CV mais alto indica maior variabilidade relativa, independentemente da escala absoluta dos dados.
Valores atípicos extremos inflam drasticamente o desvio padrão. Como a fórmula eleva os desvios ao quadrado, um único valor extremo exerce uma influência matemática massiva no resultado final. Quando seu desvio padrão é alto devido a valores atípicos, a Calculadora de Mediana frequentemente fornece uma medida de tendência central mais confiável.
Propriedades matemáticas do desvio padrão
O desvio padrão exibe um comportamento previsível sob transformações matemáticas específicas:
- Adicionar ou subtrair uma constante: Se você adicionar ou subtrair um valor constante de cada ponto de dados em um conjunto, o desvio padrão permanece completamente inalterado. Os dados se deslocam ao longo da reta numérica, mas a distância relativa entre os pontos permanece exatamente a mesma.
- Multiplicar ou dividir por uma constante: Se você multiplicar ou dividir cada ponto de dados por uma constante $c$, o desvio padrão é escalado pelo valor absoluto dessa constante ($|c|$). Por exemplo, dobrar cada valor no seu conjunto dobrará exatamente o desvio padrão.
- Não negatividade: O desvio padrão é sempre maior ou igual a zero. Só pode ser igual a zero se cada valor no conjunto de dados for idêntico.
Desvio padrão e escores Z
O escore Z estabelece uma relação direta e prática entre pontos de dados individuais e o desvio padrão. Ele padroniza seus dados expressando exatamente quantos desvios padrão um valor específico está acima ou abaixo da média.
Onde:
- $Z$ = escore Z (valor padrão)
- $x$ = valor individual
- $\mu$ = média da população
- $\sigma$ = desvio padrão da população
Exemplo prático
Um aluno tira 92 em um teste de matemática. A média da turma ($\mu$) é 80, e o desvio padrão ($\sigma$) é 6. Queremos encontrar o escore Z do aluno para entender seu desempenho relativo.
| Passo | Cálculo | Resultado |
|---|---|---|
| 1. Encontrar o desvio | $x - \mu = 92 - 80$ | 12 |
| 2. Dividir pelo desvio padrão | $Z = \frac{12}{6}$ | 2,0 |
Resultado: O escore Z do aluno é 2,0. Isso significa que sua nota está exatamente dois desvios padrão acima da média da turma, colocando-o no top 2,5% da turma de acordo com a regra empírica.
Esta métrica preenche a lacuna entre a estatística descritiva e inferencial. Ao converter dados brutos em escores Z, você pode comparar facilmente valores de conjuntos de dados completamente diferentes ou calcular probabilidades precisas. Use nossa Calculadora de Escore Z para determinar a posição padronizada de qualquer ponto de dados dentro de sua distribuição.
Perguntas frequentes
O que significa um desvio padrão de 0?
Um desvio padrão de zero significa que cada valor no seu conjunto de dados é idêntico. Não há absolutamente nenhuma dispersão ou variabilidade nos dados. Cada ponto de dados é exatamente igual à média.
O desvio padrão pode ser negativo?
Não, o desvio padrão não pode ser negativo. O cálculo envolve elevar os desvios ao quadrado, o que sempre produz números positivos. A etapa final tira a raiz quadrada principal (positiva) da variância.
Por que dividimos por $n-1$ para o desvio padrão da amostra?
Dividir por $n-1$ aplica a correção de Bessel. Este ajuste compensa o fato de que uma amostra subestima a verdadeira variabilidade de toda a população. Fornece um estimador não enviesado da variância da população.
Como o desvio padrão se relaciona com a média?
O desvio padrão mede a distância média dos pontos de dados em relação à média. A média estabelece o ponto de referência central. Sem calcular a média primeiro, você não pode determinar o desvio padrão.
Qual é a diferença entre desvio padrão e variância?
A variância mede o desvio médio ao quadrado em relação à média. O desvio padrão é a raiz quadrada da variância. O desvio padrão é preferido para interpretação porque retorna às unidades originais dos dados.
Quando devo usar o desvio padrão da população vs. o da amostra?
Use o desvio padrão da população quando seus dados incluírem cada membro do grupo que você está estudando. Use o desvio padrão da amostra quando seus dados representarem um subconjunto extraído de um grupo maior e você pretender fazer inferências sobre esse grupo maior.
Como os valores atípicos afetam o desvio padrão?
Os valores atípicos inflam significativamente o desvio padrão. A fórmula eleva ao quadrado a distância da média, o que significa que valores extremos exercem uma influência matemática desproporcionalmente grande no resultado final.
O que é um "bom" desvio padrão?
Um "bom" desvio padrão depende inteiramente do seu contexto e tolerância ao risco. Na manufatura, um baixo desvio padrão é ideal para o controle de qualidade. Em carteiras de investimento, um desvio padrão mais alto pode ser aceitável se acompanhado de retornos esperados mais altos.
Fontes para aprofundar
- MIT OpenCourseWare: 18.05 Introdução à Probabilidade e Estatística: Estatísticas de Resumo – Material acadêmico rigoroso cobrindo medidas de dispersão do Massachusetts Institute of Technology.
- IBGE (Instituto Brasileiro de Geografia e Estatística): Conceitos Estatísticos: Desvio Padrão – Definições oficiais e metodologia padrão do governo brasileiro para medidas estatísticas.
- Khan Academy (Português): Revisão do desvio padrão da população e da amostra – Excelentes explicações fundamentais e exercícios interativos para entender a dispersão.
- Universidade de Lisboa: Recursos de Estatística Descritiva – Definições formais e rigor matemático apoiados por uma das instituições acadêmicas mais prestigiadas de língua portuguesa.