Estatística

Variância e desvio padrão: o que são e como calcular

Capa do artigo Variância e desvio padrão: o que são e como calcular
Leitura com foco

Entenda o contexto.
Leve para a prática.

Neste artigo
  1. Por que a média sozinha engana?
  2. O que é a amplitude?
  3. Aí você pergunta: se a amplitude é tão simples, para que serve a variância?
  4. Como calcular a variância passo a passo?
  5. O que é o desvio padrão?
  6. Como calcular a variância em Python, PHP e C?
  7. Qual a diferença entre variância populacional e amostral?
  8. Como interpretar o desvio padrão?
  9. Agora é com você!

Variância é a medida de quanto os valores de um conjunto se afastam da média. O desvio padrão é a raiz quadrada da variância, e por isso fica na mesma unidade dos dados.

No artigo sobre média, mediana e moda, ficou um aviso: duas turmas podem ter a mesma média com notas muito diferentes. Para medir esse espalhamento existem as medidas de dispersão, e chegou a hora delas! Se você já leu o que um programador precisa saber sobre matemática, viu que a média sozinha pode enganar. Hoje você entenderá por quê, e aprenderá a medir isso com três números: a amplitude, a variância e o desvio padrão.

Por que a média sozinha engana?

Imagine duas turmas que fizeram a mesma prova:

TurmaNotasMédia
A6, 7, 7, 7, 87
B4, 5, 7, 9, 107
Duas turmas com a mesma média.

As duas têm média 7. Mas olhe as notas: na turma A, todo mundo ficou perto do 7. Na turma B tem gente com 4 e gente com 10! A média é igual, mas as turmas são bem diferentes. A variância e o desvio padrão existem para mostrar essa diferença com um número.

Notas das turmas A e B em duas retas numeradas, com a média 7 marcada
As notas da turma A ficam coladas na média. As da turma B se espalham.

O que é a amplitude?

Amplitude é a diferença entre o maior e o menor valor do conjunto. É a medida de dispersão mais simples: basta uma subtração. Na turma A, 8 − 6 = 2. Na turma B, 10 − 4 = 6. Quanto maior a amplitude, mais espalhados estão os valores.

Veja em Python, com uma terceira turma, a C, que entra na conversa logo abaixo:

# Amplitude: o maior valor menos o menor

def amplitude(valores):
    return max(valores) - min(valores)

turma_a = [6, 7, 7, 7, 8]
turma_b = [4, 5, 7, 9, 10]
turma_c = [4, 7, 7, 7, 10]

print("turma A:", amplitude(turma_a))
print("turma B:", amplitude(turma_b))
print("turma C:", amplitude(turma_c))

Em PHP:

<?php
// Amplitude: o maior valor menos o menor

function amplitude(array $valores): int
{
    return max($valores) - min($valores);
}

$turmaA = [6, 7, 7, 7, 8];
$turmaB = [4, 5, 7, 9, 10];
$turmaC = [4, 7, 7, 7, 10];

echo "turma A: ", amplitude($turmaA), PHP_EOL;
echo "turma B: ", amplitude($turmaB), PHP_EOL;
echo "turma C: ", amplitude($turmaC), PHP_EOL;

E em C:

// Amplitude: o maior valor menos o menor
#include <stdio.h>

int amplitude(int valores[], int quantidade) {
    int menor = valores[0];
    int maior = valores[0];

    for (int i = 1; i < quantidade; i++) {
        if (valores[i] < menor) menor = valores[i];
        if (valores[i] > maior) maior = valores[i];
    }

    return maior - menor;
}

int main(void) {
    int turma_a[] = {6, 7, 7, 7, 8};
    int turma_b[] = {4, 5, 7, 9, 10};
    int turma_c[] = {4, 7, 7, 7, 10};

    printf("turma A: %d\n", amplitude(turma_a, 5));
    printf("turma B: %d\n", amplitude(turma_b, 5));
    printf("turma C: %d\n", amplitude(turma_c, 5));
    return 0;
}

As três linguagens mostraram a mesma saída:

turma A: 2
turma B: 6
turma C: 6

Aí você pergunta: se a amplitude é tão simples, para que serve a variância?

Porque a amplitude só olha para dois valores, o maior e o menor, e ignora todos os outros. Repare na turma C: as notas são 4, 7, 7, 7 e 10. A amplitude é 6, igual à da turma B. Mas, na turma C, três alunos tiraram exatamente a média, e na turma B, só um!

TurmaNotasMédiaAmplitude
B4, 5, 7, 9, 1076
C4, 7, 7, 7, 1076
Mesma média e mesma amplitude, com as notas distribuídas de jeitos diferentes.

Pelo mesmo motivo, a amplitude é muito afetada por um valor fora da curva: basta uma nota muito alta ou muito baixa para ela mudar inteira. Vou repetir porque é importante: a amplitude depende só dos dois extremos. Para levar em conta todas as notas, é preciso outra medida. É aí que entra a variância, que separa as duas turmas: 5,2 na B e 3,6 na C. A conta vem a seguir.

Como calcular a variância passo a passo?

  • Calcule a média.
  • Subtraia a média de cada valor. Esse resultado é o desvio.
  • Eleve cada desvio ao quadrado.
  • Some todos os quadrados.
  • Divida a soma pela quantidade de valores.

Os cinco passos cabem em uma linha. Em palavras:

variância = soma de (valor − média)2 ÷ quantidade de valores

E na notação da matemática:

       n
σ² = ( Σ (x_i − μ)² ) ÷ n
      i=1
  • σ2 (lê-se “sigma ao quadrado”): a variância.
  • μ (lê-se “mi”): a média. É o passo 1.
  • xi: cada um dos valores. A conta (xi − μ) é o desvio, o passo 2, e o 2 pequeno no alto é o passo 3.
  • Σ (sigma maiúsculo): o somatório, que manda somar tudo, do primeiro valor ao último. É o passo 4.
  • n: a quantidade de valores. A divisão por n é o passo 5.

Não se assuste com os símbolos! A expressão diz exatamente o que a lista disse, só que de um jeito compacto.

Veja com as notas da turma B, que tem média 7:

NotaNota menos a médiaAo quadrado
4−39
5−24
700
924
1039
Soma026
Cálculo da variância da turma B.

Agora é só dividir: 26 ÷ 5 = 5,2. Fazendo o mesmo com a turma A, a variância dá 0,4. Treze vezes menor! E com a turma C, da seção anterior: (9 + 0 + 0 + 0 + 9) ÷ 5 = 3,6.

A mesma conta, escrita na expressão, com os números da turma B no lugar dos símbolos:

σ² = [ (4 − 7)² + (5 − 7)² + (7 − 7)² + (9 − 7)² + (10 − 7)² ] ÷ 5
σ² = [ 9 + 4 + 0 + 4 + 9 ] ÷ 5
σ² = 26 ÷ 5
σ² = 5,2

Aí você pergunta: por que elevar ao quadrado? Porque os desvios negativos e positivos se anulam. Repare que a soma da coluna do meio deu zero! Ao quadrado, todos ficam positivos, e os valores mais distantes da média pesam mais.

Cinco quadrados com áreas 9, 4, 0, 4 e 9, um para cada desvio da turma B
Quanto mais longe da média, maior o quadrado.

O que é o desvio padrão?

A variância tem um problema: como elevamos tudo ao quadrado, a unidade também fica ao quadrado. A variância da turma B é 5,2 “notas ao quadrado”, o que não faz sentido para ninguém kkkk.

A solução é tirar a raiz quadrada: a raiz de 5,2 é aproximadamente 2,28. Esse é o desvio padrão. Agora dá para ler: na turma B, as notas costumam ficar a uns 2,28 pontos da média. Na turma A, a 0,63.

Na notação da matemática, o desvio padrão é o σ, sem o quadrado:

σ = √σ² = √5,2 ≈ 2,28
Turma ATurma B
Média77
Amplitude26
Variância0,45,2
Desvio padrão0,632,28
Mesma média, espalhamentos bem diferentes.

Como calcular a variância em Python, PHP e C?

O código segue os mesmos cinco passos que você fez no papel. Veja em Python:

from math import sqrt

def variancia(valores):
    media = sum(valores) / len(valores)
    soma = 0

    for valor in valores:
        soma += (valor - media) ** 2  # distância até a média, ao quadrado

    return soma / len(valores)


turma_a = [6, 7, 7, 7, 8]
turma_b = [4, 5, 7, 9, 10]

print(variancia(turma_a))        # 0.4
print(variancia(turma_b))        # 5.2
print(sqrt(variancia(turma_b)))  # 2.280350850198276

Em PHP:

<?php

function variancia(array $valores): float
{
    $media = array_sum($valores) / count($valores);
    $soma = 0;

    foreach ($valores as $valor) {
        $soma += ($valor - $media) ** 2; // distância até a média, ao quadrado
    }

    return $soma / count($valores);
}

$turmaA = [6, 7, 7, 7, 8];
$turmaB = [4, 5, 7, 9, 10];

echo variancia($turmaA), PHP_EOL;                  // 0.4
echo variancia($turmaB), PHP_EOL;                  // 5.2
echo round(sqrt(variancia($turmaB)), 2), PHP_EOL;  // 2.28

E em C:

#include <math.h>
#include <stdio.h>

double variancia(double valores[], int quantidade) {
    double soma = 0;

    for (int i = 0; i < quantidade; i++) {
        soma += valores[i];
    }

    double media = soma / quantidade;
    double soma_dos_quadrados = 0;

    for (int i = 0; i < quantidade; i++) {
        // distância até a média, ao quadrado
        soma_dos_quadrados += (valores[i] - media) * (valores[i] - media);
    }

    return soma_dos_quadrados / quantidade;
}

int main(void) {
    double turma_b[] = {4, 5, 7, 9, 10};
    double resultado = variancia(turma_b, 5);

    printf("%.2f\n", resultado);       // 5.20
    printf("%.2f\n", sqrt(resultado)); // 2.28
    return 0;
}

Qual a diferença entre variância populacional e amostral?

Até aqui dividimos pela quantidade de valores, que vamos chamar de n. Esse é o cálculo populacional, usado quando você tem TODOS os dados: as notas da turma inteira, por exemplo.

Quando você tem só uma amostra, ou seja, uma parte dos dados usada para estimar o todo, a divisão é por n − 1. O resultado fica um pouco maior, para compensar o fato de que uma amostra costuma mostrar menos variação do que a população inteira.

PopulacionalAmostral
Quando usarVocê tem todos os dadosVocê tem uma parte dos dados
Divide pornn − 1
Variância da turma B5,26,5
Em Pythonpvariance() e pstdev()variance() e stdev()
No ExcelVAR.P e DESVPAD.PVAR.A e DESVPAD.A
Diferença entre o cálculo populacional e o amostral.

O Python já traz as quatro funções prontas no módulo statistics:

from statistics import pstdev, pvariance, stdev, variance

turma_b = [4, 5, 7, 9, 10]

print(pvariance(turma_b))  # 5.2 (populacional: divide por n)
print(pstdev(turma_b))     # 2.280350850198276
print(variance(turma_b))   # 6.5 (amostral: divide por n - 1)
print(stdev(turma_b))      # 2.5495097567963922

Como interpretar o desvio padrão?

  • Desvio padrão pequeno: os valores estão concentrados perto da média.
  • Desvio padrão grande: os valores estão espalhados.
  • Desvio padrão zero: todos os valores são iguais.
  • Comparação: só compare desvios de dados que estão na mesma unidade e na mesma escala.

ATENÇÃO: assim como a média, o desvio padrão é sensível a valores muito fora da curva. Um único valor absurdo puxa o resultado para cima. Para esses casos existem medidas mais resistentes, como a mediana e a média truncada.

Agora é com você!

Calcule no papel a variância e o desvio padrão populacionais deste conjunto: 2, 4, 4, 4, 5, 5, 7, 9. Uma dica: a média é um número inteiro, e os dois resultados também. Depois confira com o código, na linguagem que você quiser.

Não pule a parte do papel! É montando a tabela na mão que a fórmula deixa de ser um monte de símbolos e passa a fazer sentido. Aliás, se os símbolos ainda assustam, veja o artigo sobre os símbolos da estatística.

Até o próximo artigo!

Confiança Sempre!!!

Fontes:

Sobre quem escreve

Walmir Silva

Olá! Sou Walmir, engenheiro de software com MBA em Engenharia de Software e o cérebro por trás do GrowthCode e autor do livro "Além do Código".

Se você acha que programação é apenas sobre escrever código, prepare-se para expandir seus horizontes. Aqui, nós vamos além do código e exploramos as interseções fascinantes entre tecnologia, negócios, artes e filosofia.

Você está em busca de crescimento na carreira? Quer se destacar em um mercado competitivo? Almeja uma vida mais rica em conhecimento e realização? Então você chegou ao lugar certo. No GrowthCode, oferecemos insights profundos, estratégias comprovadas e um toque de sabedoria filosófica para catalisar seu crescimento pessoal e profissional.

Ver todos os artigos →

Continue a conversa

Compartilhe sua perspectiva

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *

Encontre sua próxima resposta

O que você quer aprender?

Preferências de cookies

Os cookies opcionais começam desligados. Você pode mudar a escolha a qualquer momento por esta tela.

NecessáriosSempre ativos

Guardam a sua escolha de cookies e mantêm o site funcionando. Não são usados para publicidade.

Contam visitas e mostram como o site é usado: Google Analytics e Microsoft Clarity, carregados pelo Google Tag Manager. Como esse contêiner também carrega tags de publicidade, as estatísticas só são ativadas junto com Publicidade e marketing.

Exibem anúncios do Google AdSense e medem campanhas e e-mails: pixels da Meta e do TikTok e o Mautic.

Permite que o Google escolha anúncios com base nos seus interesses. Desligado, os anúncios aparecem sem personalização. Depende de Publicidade e marketing.

Também é possível bloquear cookies nas configurações do navegador. Detalhes na Política de privacidade.