Calculadora de Desvio Padrão
Calcule desvio padrão, variância, média e mais para qualquer conjunto de dados. Suporta cálculos de população e amostra. Solução passo a passo gratuita.
O que é desvio padrão e por que isso importa?
Odesvio padrão mede a dispersão de seus dados em torno da média (média). Um pequeno desvio padrão significa que os valores se agrupam firmemente em torno da média; um grande desvio padrão significa que os valores estão amplamente dispersos
.Dois conjuntos de dados podem ter a mesma média, mas distribuições completamente diferentes — o desvio padrão captura essa diferença: Conjunto de dados A:
- {9, 10, 10, 11, 10} — Média = 10, SD ≈ 0,63 (agrupamento compacto)
- Conjunto de dados B: {2, 5, 10, 15, 18} — Média = 10, SD ≈ 5,83 (amplamente difundido) Ambos têm uma média de 10,
mas o conjunto de dados B é quase 10 vezes mais variável. O desvio padrão torna isso visível.
Odesvio padrão é denotado σ (sigma) para uma população e s para uma amostra. É a raiz quadrada da variância, expressa nas mesmas unidades dos dados originais, o que a torna mais interpretável do que a variância sozinha
.As aplicações abrangem quase todos os campos: controle de qualidade (as peças fabricadas estão consistentemente dentro da tolerância?) , finanças (risco de investimento = volatilidade do retorno), medicina (a leitura do paciente está dentro de 2 SD do normal?) , educação (como os resultados dos testes são distribuídos?) e análises esportivas (quão consistente é o desempenho de um atleta?).
População versus desvio padrão da amostra
A opção mais importante ao calcular o desvio padrão é se você está trabalhando com uma população (todos os pontos de dados possíveis) ou com uma amostra (um subconjunto). Isso determina qual fórmula usar e afeta o resultado.
Desvio padrão da população (σ): use quando você tiver dados para todo o grupo que está estudando. Fórmula: σ = √ [Σ (x− μ) ²/N]
Onde: μ = média da população, N = número de valores, Σ = soma de todos os valores
.Desvio (es) padrão da amostra: use quando seus dados forem uma amostra extraída de uma população maior.
Fórmula: s = √ [Σ (x− x․) ²/(n−1)]Onde: x․ = média da amostra, n = número de valores na amostra, (n−1) = correção de
Bessel.A correção de Bessel se divide por (n−1) em vez de n porque as amostras tendem a subestimar a verdadeira variância da população — particularmente para amostras pequenas. O uso de (n−1) fornece um estimador imparcial
da variância da população.Qual usar?
- SD da população: você tem dados de todos os alunos de uma turma específica; todas as notas dos testes de um exame específico; todos os funcionários de uma única empresa.
Cálculo passo a passo do desvio padrão
Vamos analisar um exemplo completo com números reais:
Conjunto de dados: resultados dos testes de 6 alunos: {72, 85, 91, 68, 79, 88}
Etapa 1 — Encontre a média: (72 + 85 + 91 + 68 + 79 + 88)/6 = 483/6 = 80,5
Etapa 2 — Encontre cada desvio da média e façao quadrado: Pontuação (x) Desvio
| (x− x) Quadrado (x− x․) | ² |
|---|---|
| 72 | 72 | 80,5 = −8,5 72,25 85 85 − | 80,5 = +4,5 20,25 |
Etapa 4 — Obtenha a raiz quadrada para o desvio padrão: s = √83,50
≈ 9,14
Interpretação: A maioria das pontuações está dentro de cerca de 9,14 pontos da média de 80,5. Aproximadamente 68% das pontuações seriam esperadas entre 71,4 e 89,6 (média ± 1 SD) se essa fosse uma
população normalmente distribuída.A regra empírica e a distribuição normal
Para dados que seguem uma distribuição normal (curva em forma de sino), a regra empírica (regra 68-95-99,7) informa exatamente quantos valores estão dentro de cada faixa de desvio padrão:
| porcentagem de dados | Exemplo (média = 100, DP = 15) Média ± 1 DP ~ 68,27% 85 a 115 Média ± 2 DP | ||
|---|---|---|---|
| ~ 95,45% | 70 a 130 | Média ± 3 DP~ 99,73% 55 a | |
| 145 Além de ± 3 DP | ~ | Abaixo de 55 ou | |
| acima de 145 | |||
A aplicação clássica são as pontuações de QI: média = 100, SD = 15. Um QI de 130 é 2 SDs acima da média — apenas cerca de 2,3% das pessoas têm uma pontuação tão alta. Um QI de 145 é 3 SDs acima da média — cerca de 0,13% das pessoas (cerca de 1 em
750).No controle de qualidade, o padrão Six Sigma exige que os processos tenham menos de 3,4 defeitos por milhão de oportunidades — o equivalente a manter a variação dentro de ± 6 desvios padrão da meta, deixando apenas 0,00034% de taxa de defeitos. Essa é a base estatística dos programas de qualidade de fabricação Six Sigma
.Nem todos os dados são distribuídos normalmente. As distribuições de renda são distorcidas para a direita (algumas pessoas com salários muito altos esticam a cauda direita). Nesses casos, a mediana e o intervalo interquartil podem ser mais informativos do que
a média e o desvio padrão.Outras medidas estatísticas: média, mediana, variância e mais
Odesvio padrão é mais significativo junto com outras estatísticas descritivas. Veja como eles funcionam juntos:
- Média (média aritmética): soma de todos os valores ÷ contagem. Sensível a valores discrepantes — um valor extremo pode alterar significativamente a média .
- Mediana: o valor médio quando os dados são classificados. Mais robusto a valores discrepantes do que a média. Para {1, 2, 3, 4, 100}: média = 22, mediana = 3 .
- Modo: O valor que ocorre com mais frequência. Útil para dados categóricos; um conjunto de dados pode ter vários modos ou nenhum.
- Alcance: máximo − mínimo. Simples, mas sensível a valores discrepantes; não descreve a forma da distribuição .
- Variância (λ² ou s²): O quadrado do desvio padrão. Útil matematicamente, mas mais difícil de interpretar, pois está em unidades quadradas. Exemplo: se as alturas estão em centímetros, a variação está em cm² — o que não tem significado físico .
- Coeficiente de variação (CV): (desvio padrão/média) × 100%. Permite comparar a variabilidade entre conjuntos de dados com diferentes médias. Um CV de 10% significa que o SD é 10% da média — útil em finanças e biologia.
- Erro padrão da média (SEM): SD ÷ √n. Mede a precisão da média da amostra como uma estimativa da média da população. À medida que o tamanho da amostra aumenta, o SEM diminui — amostras maiores fornecem estimativas mais precisas
Desvio padrão em finanças, ciências e esportes
Odesvio padrão tem interpretações práticas e específicas em diferentes campos:
Finanças - Medindo o risco de investimento: Em finanças, desvio padrão dos retornos = volatilidade = risco. Uma ação com retorno anual de 10% com SD de 15% tem 68% de probabilidade de retornar entre − 5% e +25% em um determinado ano. Historicamente, o S&P 500 tem um SD anual de cerca de 15 a 20%. As carteiras de títulos normalmente têm SD de 3 a 7%. Desempenho ajustado ao risco (Índice de Sharpe) = (retorno − taxa livre de risco) /SD —
quanto maior, melhor.Ciência — Controle de qualidade e medição: Os instrumentos de laboratório relatam as medições como média ± SD. Um termômetro com leitura de 37,2 ± 0,3° C significa que a medição está dentro de 0,3° C do valor real com 68% de confiança. Em ensaios clínicos, a significância estatística é normalmente definida como o efeito do tratamento sendo mais de 2 SDs da média do grupo controle (p < 0,05
).Análise esportiva: a consistência do jogador é quantificada com SD. Um jogador de basquete com média de 25 pontos por jogo com SD de 3 é mais confiável do que um com média de 25 com SD de 10. A previsão do tempo usa modelos conjuntos em que o SD das previsões de temperatura indica confiança — um SD estreito significa que os meteorologistas concordam; um SD amplo significa
alta incerteza.Educação: as pontuações Z expressam quantos desvios padrão a pontuação de um aluno tem da média da classe: Z = (pontuação − média) /SD. Uma pontuação Z de +2 significa pontuar 2 SDs acima da média — melhor do que aproximadamente 97,7% dos estudantes. Testes padronizados, como o SAT, são projetados para que as pontuações sigam uma distribuição aproximadamente normal, permitindo essas comparações de percentis
.Perguntas Frequentes
Qual é a diferença entre desvio padrão e variância?
A variância é a média dos desvios quadrados da média. O desvio padrão é a raiz quadrada da variância. Ambos medem a dispersão, mas o desvio padrão está nas mesmas unidades dos dados (mais fáceis de interpretar), enquanto a variância está em unidades quadradas. Um conjunto de dados de altura em cm tem variação em cm² — não é significativo. O SD em cm é diretamente comparável às medidas originais.
Quando devo usar a população versus o desvio padrão da amostra?
Use o SD da população (σ, dividido por N) quando tiver dados para toda a população que você está descrevendo — todos os alunos em uma classe específica, todos os funcionários em uma empresa. Use amostras de SD (s, divididas por n−1) quando seus dados são um subconjunto de uma população maior e você está estimando a variabilidade da população — uma amostra de pesquisa, participantes de ensaios clínicos, amostras de controle de qualidade de uma produção.
O que significa um desvio padrão alto ou baixo?
Um baixo desvio padrão significa que os pontos de dados estão agrupados em torno da média — consistência, baixa variabilidade. Um alto desvio padrão significa que os dados estão amplamente distribuídos — alta variabilidade. Nenhum deles é inerentemente melhor; depende do contexto. Na fabricação, é desejado um baixo SD (consistência). Em retornos de investimento, alguns investidores aceitam um SD mais alto para obter maiores retornos potenciais.
O que é uma pontuação Z e como ela se relaciona com o desvio padrão?
Uma pontuação Z mede quantos desvios padrão um ponto de dados tem da média: Z = (valor − média) /SD. Uma pontuação Z de 0 = exatamente a média. Z = +1 = 1 SD acima da média (84º percentil). Z = −2 = 2 SDs abaixo da média (2,3º percentil). Os escores Z permitem comparar valores de diferentes conjuntos de dados com diferentes escalas.
O que é o erro padrão e como ele difere do desvio padrão?
O desvio padrão descreve a distribuição de pontos de dados individuais. O erro padrão da média (SEM = SD/√n) descreve a precisão da média da amostra como uma estimativa da média real da população. Conforme o tamanho da amostra aumenta, o SEM diminui (mais dados = estimativa mais precisa), mas o SD não muda necessariamente. O SEM é usado em intervalos de confiança; o SD descreve a distribuição dos dados em si.
O desvio padrão pode ser negativo?
Não. O desvio padrão é sempre zero ou positivo. É igual a zero somente quando todos os valores de dados são idênticos (sem variabilidade alguma). Como é calculado como a raiz quadrada da soma dos quadrados, não pode ser negativo. A variância negativa ou o desvio padrão indicariam um erro de cálculo.
Como os valores discrepantes afetam o desvio padrão?
Os valores atípicos podem aumentar drasticamente o desvio padrão porque os desvios são quadrados — grandes desvios da média contribuem de forma desproporcional. Por exemplo, em {10, 11, 10, 12, 100}: remover o outlier (100) reduz o SD de ~ 38 para ~ 0,9. Quando valores discrepantes estão presentes, a mediana e o intervalo interquartil (IQR) são medidas mais robustas de tendência central e dispersão.
O que significa se o desvio padrão for igual a zero?
Um desvio padrão de zero significa que todos os valores no conjunto de dados são idênticos — não há nenhuma variabilidade. Por exemplo, {5, 5, 5, 5} tem média = 5 e SD = 0. Isso ocorre em conjuntos de dados artificiais ou altamente restritos. Em conjuntos de dados práticos, SD = 0 geralmente indica um erro de coleta de dados ou medições idênticas.