Calculadora de Desvio Padrão e Variância
A Calculadora de Desvio Padrão e Variância calcula σ (ou s) e σ² para qualquer conjunto de números separados por vírgula — instantaneamente, sem cadastro. Insira os dados, escolha Populacional (÷N) ou Amostral (÷N−1, correção de Bessel) e obtenha o resultado com interpretação pelo coeficiente de variação (CV). Use para trabalhos de estatística, controle de qualidade, análise de risco financeiro ou pesquisas científicas.
O desvio padrão (σ) mede a dispersão dos dados em relação à média. Fórmula populacional: σ = √[Σ(xᵢ − μ)² / N]. Fórmula amostral: s = √[Σ(xᵢ − x̄)² / (n−1)]. Exemplo clássico — conjunto {2,4,4,4,5,5,7,9}: média = 5, σ = 2, variância σ² = 4.
Quando usar esta calculadora
- Avaliar a consistência de notas de alunos em uma turma escolar: um desvio padrão baixo indica turma homogênea; alto indica grande desigualdade de desempenho.
- Controle de qualidade industrial: verificar se o peso de embalagens de alimentos se mantém dentro da tolerância permitida pelo INMETRO (±3σ na regra do processo 6-sigma).
- Análise de risco financeiro: comparar a volatilidade (desvio padrão dos retornos) de dois fundos de investimento antes de aplicar recursos, conforme orientações do Banco Central do Brasil.
- Pesquisas de saúde pública do IBGE ou do Ministério da Saúde: calcular a variação de indicadores como IMC médio ou pressão arterial em grupos populacionais para identificar outliers clínicos.
- Meteorologia e climatologia: medir a dispersão de temperaturas mensais de uma cidade ao longo de décadas para detectar mudanças climáticas significativas.
Exemplo de cálculo
- Conjunto: 2,4,4,4,5,5,7,9 (N=8, Populacional)
- Média μ = (2+4+4+4+5+5+7+9) / 8 = 40 / 8 = 5
- Σ(xᵢ−μ)² = 9+1+1+1+0+0+4+16 = 32
- Variância σ² = 32 / 8 = 4
- Desvio padrão σ = √4 = 2
Como funciona
2 min de leituraComo se calcula
Existem duas versões da fórmula, dependendo se os dados representam uma população completa ou uma amostra:
Desvio Padrão Populacional (σ)
μ = (Σ xᵢ) / N ← média populacional
σ² = Σ(xᵢ − μ)² / N ← variância populacional
σ = √σ² ← desvio padrão populacionalDesvio Padrão Amostral (s) — Correção de Bessel
x̄ = (Σ xᵢ) / n ← média amostral
s² = Σ(xᵢ − x̄)² / (n − 1) ← variância amostral (Bessel)
s = √s² ← desvio padrão amostral> Por que n−1? A divisão por (n−1) corrige o viés da estimativa amostral, produzindo um estimador não-viesado da variância populacional.
---
Tabela comparativa: Populacional × Amostral
| Característica | Populacional (σ) | Amostral (s) |
|---|---|---|
| Divisor | N | n − 1 |
| Símbolo | σ (sigma) | s |
| Use quando | Tem TODOS os dados | Tem um subconjunto |
| Excel/Planilhas | =DESVPAD.P() | =DESVPAD.A() |
| Python (NumPy) | np.std(x, ddof=0) | np.std(x, ddof=1) |
| Contexto típico | Censo, produção total | Pesquisa, experimento |
---
Tabela de referência: Coeficiente de Variação (CV)
| CV (%) | Interpretação |
|---|---|
| < 15% | Baixa dispersão — dados homogêneos |
| 15% – 30% | Dispersão moderada |
| > 30% | Alta dispersão — dados heterogêneos |
> CV = (σ / μ) × 100 — adimensional, permite comparar dispersões de conjuntos com unidades diferentes.
---
Casos típicos
Caso 1 — Conjunto clássico {2, 4, 4, 4, 5, 5, 7, 9} (N=8, Populacional)
μ = (2+4+4+4+5+5+7+9) / 8 = 40 / 8 = 5
σ² = [(2−5)²+(4−5)²+(4−5)²+(4−5)²+(5−5)²+(5−5)²+(7−5)²+(9−5)²] / 8
σ² = [9+1+1+1+0+0+4+16] / 8 = 32 / 8 = 4
σ = √4 = 2
CV = (2 / 5) × 100 = 40% → alta dispersãoCaso 2 — Notas de 5 alunos: {6, 7, 8, 7, 7} (amostra, n=5)
x̄ = (6+7+8+7+7) / 5 = 35 / 5 = 7
s² = [(6−7)²+(7−7)²+(8−7)²+(7−7)²+(7−7)²] / (5−1)
s² = [1+0+1+0+0] / 4 = 0,5
s = √0,5 ≈ 0,707
CV = (0,707 / 7) × 100 ≈ 10,1% → baixa dispersão (turma homogênea)Caso 3 — Salários mensais (R$): {1.500, 2.000, 2.500, 8.000} (amostra, n=4)
x̄ = 14.000 / 4 = 3.500
s² = [(−2000)²+(−1500)²+(−1000)²+(4500)²] / 3
s² = [4.000.000+2.250.000+1.000.000+20.250.000] / 3 ≈ 9.166.667
s ≈ R$ 3.027,65
CV ≈ 86,5% → dispersão altíssima (outlier de R$8.000 distorce)---
Erros comuns
1. Usar N em vez de n−1 para amostras: quando os dados são apenas uma parte da população, dividir por N subestima a variabilidade real. Use sempre n−1 (Bessel) em amostras.
2. Confundir variância com desvio padrão: a variância está em unidades ao quadrado (ex.: kg², R$², cm²), enquanto o desvio padrão está na mesma unidade dos dados originais (kg). Apresentar variância como se fosse desvio padrão leva a conclusões erradas.
3. Ignorar outliers antes de calcular: valores extremos inflam enormemente o desvio padrão. Verifique outliers com boxplot ou regra dos 1,5·IQR antes de interpretar σ.
4. Comparar desvios padrões de grandezas diferentes sem usar CV: normalize sempre com o Coeficiente de Variação para comparações entre conjuntos distintos.
5. Calcular desvio padrão de dados categóricos ou ordinais: σ só faz sentido para variáveis quantitativas contínuas ou discretas.
Perguntas frequentes
Qual a diferença entre desvio padrão populacional (σ) e amostral (s)?
O desvio padrão populacional (σ) usa divisão por N (total de elementos) e é aplicado quando você possui todos os dados da população, como num censo completo do IBGE. O amostral (s) divide por n−1 (correção de Bessel) e é usado quando os dados são apenas uma amostra parcial — o que ocorre na maioria das pesquisas científicas e empresariais. Usar N numa amostra subestima sistematicamente a dispersão real.
O que é variância e por que ela é diferente do desvio padrão?
A variância (σ² ou s²) é a média dos quadrados dos desvios em relação à média. Por estar em unidades ao quadrado (ex.: kg², R$², cm²), ela é difícil de interpretar diretamente. O desvio padrão é a raiz quadrada da variância, retornando o resultado à unidade original dos dados. Na prática, reporta-se o desvio padrão; a variância é usada internamente em cálculos como ANOVA e regressão linear.
Como interpretar se o desvio padrão calculado é alto ou baixo?
Um desvio padrão isolado não diz nada sem contexto. Use o Coeficiente de Variação (CV = σ/μ × 100%): CV < 15% indica dados homogêneos; entre 15% e 30%, dispersão moderada; acima de 30%, alta heterogeneidade. Por exemplo, um σ = 2 para uma média de 5 gera CV = 40% (alta dispersão), enquanto um σ = 2 para uma média de 100 gera CV = 2% (praticamente uniforme).
O desvio padrão é afetado por outliers?
Sim, de forma muito significativa. Como os desvios são elevados ao quadrado, valores extremos (outliers) têm peso desproporcional. Um único salário de R$ 8.000 num conjunto onde os demais são de R$ 1.500–2.500 pode elevar o desvio padrão para mais de R$ 3.000. Antes de interpretar σ, identifique outliers com a regra dos 1,5×IQR (intervalo interquartil) ou com o teste de Grubbs.
Qual a relação entre desvio padrão e a regra 68-95-99,7 (distribuição normal)?
Em uma distribuição normal (gaussiana), aproximadamente 68% dos dados ficam entre μ−σ e μ+σ, 95% entre μ−2σ e μ+2σ, e 99,7% entre μ−3σ e μ+3σ. Essa regra empírica é amplamente usada em controle de qualidade (CEP), análises clínicas e meteorologia. Ela só vale para distribuições aproximadamente normais — verifique com histograma ou teste de Shapiro-Wilk.
Como o INMETRO usa o desvio padrão no controle de qualidade?
O INMETRO e normas ABNT utilizam o conceito de incerteza de medição (ABNT NBR ISO/IEC 17025), onde o desvio padrão é componente central do cálculo da incerteza padrão (u). Em processos industriais, a metodologia Seis Sigma (6σ) define que um processo de alta qualidade mantém ±6 desvios padrões entre a média e os limites de especificação, resultando em menos de 3,4 defeitos por milhão de oportunidades (DPMO).
Como calcular o desvio padrão no Excel ou Google Planilhas?
No Excel/Google Planilhas existem funções específicas: =DESVPAD.P(intervalo) para população completa (divide por N) e =DESVPAD.A(intervalo) para amostra (divide por n−1). A função antiga =DESVPAD() equivale à amostral. Para variância, use =VAR.P() (população) ou =VAR.A() (amostra). Sempre escolha a função correta conforme seus dados representem a população inteira ou apenas parte dela.
O desvio padrão pode ser zero ou negativo?
O desvio padrão nunca pode ser negativo, pois é a raiz quadrada de uma soma de quadrados (sempre ≥ 0). Ele será exatamente zero apenas quando todos os valores do conjunto forem idênticos — por exemplo, {5, 5, 5, 5} tem σ = 0. Um desvio padrão igual a zero indica ausência total de variabilidade, o que na prática pode indicar erro de coleta de dados ou instrumento sem sensibilidade suficiente.
Quantos dados preciso para o desvio padrão ser confiável?
Com n = 2 você obtém um resultado válido mas muito impreciso — o desvio padrão é simplesmente metade da diferença absoluta entre os dois valores. A maioria dos estatísticos considera n ≥ 30 o limiar a partir do qual o desvio padrão amostral se torna um estimador estável da σ populacional. Para amostras pequenas (n < 10), o intervalo de confiança ao redor de s é extremamente largo.
Qual a diferença entre desvio padrão e erro padrão (EP)?
O desvio padrão (σ ou s) descreve a dispersão dentro do seu conjunto de dados. O erro padrão (EP = s / √n) descreve a incerteza na estimativa da média — ou seja, o quanto a média amostral pode variar se você repetir o experimento. Confundir os dois leva a intervalos de confiança incorretos e conclusões estatísticas equivocadas.