Aula 08 de estatística

Variância e Desvio Padrão
Calculo da Variância e Desvio Padrão
Interpreta¸cão do Desvio Padrão
Medidas de dispersão relativa
Prof. Me. Josivaldo Nascimento dos Passos
MEDIDAS DE DISPERSÃO
UNIVERSIADE ESTADUAL DO MARANHÃO
17 de outubro de 2016
Estat´ıtica Básica

Sumário
Introdu¸cão;
Calculo da Variância e Desvio Padrão;
1o Caso - DADOS BRUTOS OU ROL
2o Caso - Variável Discreta
3o Caso - Variável Cont´ınua

Introdu¸cão
Observamos no item anterior que a dificuldade em se operar com o
DMS se deve a presen¸ca do módulo, para que as diferen¸cas xi − x
possam ser interpretadas como distâncias.
Outra forma de se conseguir que as diferen¸cas xi − x se tornem
sempre positivas ou nulas é considerar o quadrado destas diferen¸cas,
isto é: (xi − x)2.
Se substituirmos, nas fórmulas do DMS a expressão xi − x por
(xi − x)2, obteremos nova medida de dispersão chamada variância.
Portanto, variância é uma média aritmética calculada a partir dos
quadrados dos desvios obtidos entre os elementos da série e a sua
média.

Introdu¸cão
O desvio padrão é a raiz quadrada positiva da variância.
Em particular, para estas medidas levaremos em considera¸cão o fato
de a sequência de dados representar toda uma popula¸cão ou apenas
uma amostra de uma popula¸cão.
No final desta seçcão justificaremos esta necessidade.
Nota¸cões: Quando a sequência de dados representa uma Popula¸cão
a variância será denotada por σ2(x) e o desvio padrão correspon-
dente por σ(x).
Quando a sequência de dados representa uma amostra, a variância
será denotada por s2(x) e o desvio padrão correspondente por s(x).

1o
Caso - DADOS BRUTOS OU ROL
a) Se a sequência representa uma Popula¸cão, a variância é calcu-
lada pela fórmula:
σ2
(x) =
(xi − x)2
n
Exemplo
Calcule a variância e o desvio padrão da sequência: X : 4, 5, 8, 5.
A sequência contém n = 4 elementos e tem por média:
X =
xi
n
=
4 + 5 + 8 + 5
4
= 5, 5

1o
Os quadrados das diferen¸cas (xi − x)2 valem:
(xi − x)2 = (4 − 5, 5)2 = 2, 25
(xi − x)2 = (5 − 5, 5)2 = 0, 25
(xi − x)2 = (8 − 5, 5)2 = 6, 25
(xi − x)2 = (5 − 5, 5)2 = 0, 25
Somando-se estes valores obtem-se (xi − x)2 = 9.
Substituindo esses valores na fórmula da variância, teremos:
σ2
(x) =
(xi − x)2
n
=
9
4
= 2, 25
Como o desvio padrão é a raiz quadrada positiva da variância,
σ(x) = σ2(x) = 2, 25 = 1, 5 unidades.

1o
b) Se a sequência anterior representasse apenas uma amostra, a
variância seria denotada por s2(x) e o desvio padrão por s(x).
Neste caso,
s2
(x) =
(xi − x)2
n − 1
e
s(x) = s2(x)
Notemos a diferen¸ca entre a fórmula do slide 5 de σ2(x) (indi-
cado para Popula¸cões) e s2(x) para amostra.
Assim,
s2(x) =
(xi − x)2
n − 1
=
9
3
= 3 e o desvio padrão é s(x) =
√
3 = 1, 73.

2o
Caso - VARIÁVEL DISCRETA
Como há repeti¸cões de elementos na série, definimos a variância
como sendo uma média aritmética ponderada dos quadrados dos
desvios dos elementos da série para a média da série.
a) Se a variável discreta é representativa de uma Popula¸cão, então
a variância é dada por:
σ2
(x) =
[(xi − x)2.fi ]
fi
e o desvio padrão é:
σ(x) = σ2(x)

2o
b) Se a variável discreta é representativa de uma amostra, então
a variância é dada por:
s2
(x) =
[(xi − x)2.fi ]
fi − 1
e o desvio padrão é:
s(x) = s2(x)

2o
Exemplo
Calcule a variância e o desvio padrão da série abaixo, representativa
de uma popula¸cão.
xi fi
2 3
3 5
4 8
5 4
O número de elemento da série é n = fi = 20.
A média desta série é X =
xi fi
fi

2o
xi fi xi fi
2 3 6
3 5 15
4 8 32
5 4 20
fi = 20 xi fi = 73
A média desta série é X =
xi fi
fi
=
73
20
= 3, 65
Como estamos trabalhando com uma Popula¸cão a variância é dada
por:
σ2
(x) =
[(xi − x)2.fi ]
fi
Desenvolvendo nova coluna para estes cálculos, obtém-se:

2o
xi fi xi fi (xi − x)2fi
2 3 6 8,1675
3 5 15 2,1125
4 8 32 0,9800
5 4 20 7,2900
fi = 20 xi fi = 73 [(xi − x)2fi ] = 18, 55
A variância é:
σ2
(x) =
[(xi − x)2.fi ]
fi
=
18, 55
20
= 0, 9275
e o desvio padrão correspondente é σ(x) =
√
0, 9275 = 0, 963

2o
Exemplo
Se a variável discreta fosse representativa de uma amostra, a
variância seria indicada por s2(x) e seria calculada por:
s2
(x) =
[(xi − x)2.fi ]
fi − 1
=
18, 55
19
= 0, 9763
O desvio padrão seria calculado por s(x) =
√
0, 9763 = 0, 988.

3o
Caso - VARIÁVEL CONTÍNUA
Novamente, por desconhecer os particulares valores xi da série, subs-
tituiremos nas fórmulas anteriores estes valores pelos pontos médios
de classe.
A fórmula da variância para uma variável cont´ınua representativa de
uma popula¸cão é:
σ2
(x) =
[(xi − x)2.fi ]
fi
onde xi é o ponto médio da classe i.
Se a variável cont´ınua representa uma amostra então a variância
denotada por s2(x) e sua fórmula de cálculo é:
s2
(x) =
[(xi − x)2.fi ]
fi − 1

3o
Exemplo
Calcule a variância e o desvio padrão para a série representativa de
uma Popula¸cão:
Classe Int. cl. fi
1 0 4 1
2 4 8 3
3 8 12 5
4 12 16 1
O número de elementos da série é n = fi = 10.
A média da série é X =
xi fi
fi
onde xi são os pontos médios de
classe.

3o
Classe Int. cl. fi xi fi
1 0 4 1 2
2 4 8 3 18
3 8 12 5 50
4 12 16 1 14
fi = 10 xi fi = 84
A média da série é:
X =
xi fi
fi
=
84
10
= 8, 4
Como a variável cont´ınua é representativa de uma popula¸cão,
então a variância é dada por:
σ2
(x) =
[(xi − x)2.fi ]
fi

3o
Classe Int. cl. fi xi fi (xi − x)2fi
1 0 4 1 2 40,96
2 4 8 3 18 17,28
3 8 12 5 50 12,80
4 12 16 1 14 31,36
= 10 = 84 = 102, 4
A variância é, portanto:
σ2
(x) =
[(xi − x)2.fi ]
fi
=
102, 4
10
= 10, 24
e o desvio padrão é: σ(x) =
√
10, 24 = 3, 2.

3o
Exemplo
Se a variável cont´ınua fosse representativa de uma amostra, a
variância seria indicada por s2(x) e sua fórmula de cálculo seria:
s2
(x) =
[(xi − x)2.fi ]
fi − 1
Dessa forma, s2(x) =
102, 4
9
= 11, 38 e o desvio padrão seria
s(x) =
√
11, 38 = 3, 373

Comentários:
1. No cálculo da variância, quando elevamos ao quadrado a di-
feren¸ca (xi − x), a unidade de medida da série fica também
elevada ao quadrado.
Portanto, a variância é dada sempre no quadrado da unidade
de medida da série.
Se os dados são expressos em metros, a variância é expressa
em metros quadrados.
Em algumas situa¸cões, a unidade de medida da variância nem
faz sentido.
É o caso, por exemplo, em que os dados são expressos em litros.
A variância será expressa em litros quadrados.
Portanto, o valor da variância não pode ser comparado dire-
tamente com os dados da série, ou seja: variância não tem
interpreta¸cão.

2. Exatamente para suprir esta deficiência da variância é que se
define o desvio padrão.
Como o desvio padrão é a raiz quadrada da variância, o desvio
padrão terá sempre a mesma unidade de medida da série e
portanto admite interprcta¸cão.

O desvio padrão é, sem duvida, a mais importante das medidas de
dispersão.
É fundamental que o interessado consiga relacionar o valor obtido
do desvio padrão com os dados da série.
Quando uma curva de frequência representativa da série é perfei-
tamente simétrica como a curva abaixo, podemos afirmar que o
intervalo [x − σ, x + σ] contém aproximadamente 68% dos valores
da série.

O intervalo [x − 2σ, x + 2σ] contém aproximadamente 95% dos
valores da série.
O intervalo [x − 3σ, x + 3σ] contém aproximadamente 99% dos
valores da série.

Estes percentuais 68%, 95% e 99% que citamos na interpreta¸cão
poderão mais tarde ser comprovados, com maior precisão, no estudo
da distribui¸cão normal de probabilidades.

Para uma compreensão inicial do desvio padrão, estas no¸cões são
suficientes.
Quando a distribui¸cão não é perfeitamente simétrica estes percen-
tuais apresentam pequenas varia¸cões para mais ou para menos, se-
gundo o caso.
De modo que, quando se afirma que uma série apresenta média
x = 100 e desvio padrão σ(x) = 5, podemos interpretar estes valores
da seguinte forma:
1. Os valores da série estão concentrados em torno de 100.

2. O intervalo [95, 105] contém aproximadamente, 68% dos valo-
res da série.
O intervalo [90, 110] contém aproximadamente 95% dos valores
da série.
O intervalo [85, 115] contém aproximadamente 99% dos valores
da série.
É importante que se tenha percebido que, ao aumentar o tama-
nho do intervalo, aumenta-se o percentual de elementos contido
no intervalo.
Adiante verificaremos que é poss´ıvel controlar o tamanho do
intervalo de modo que contenha exatamente o percentual que
queremos.

3. As medidas de dispersão vistas até agora são medidas absolutas
e portanto avaliam a dispersão absoluta da série. Todas elas
são diretamente proporcionais a dispersão absoluta.
Assim, se a série X apresenta x = 20 e σ(x) = 3 e se a série Y
apresenta y = 22 e σ(y) = 2, podemos afirmar, comparando
os desvios padrão, que a série X apresenta maior dispersão
absoluta.
4. Para justificar que o denominador da variância amostral deve
ser n − 1 e não n, usaremos o seguinte argumento:
O modelo matemático que calcula a variância de uma amostra
não pode ser
σ2
(x) =
(xi − x)2
n
,
pois caso isto fosse verdadeiro, este modelo deveria determinar
a variância para qualquer tamanho de amostra.

Suponha uma amostra constitu´ıda de um único elemento X1.
O valor médio da amostra também é x1.
Calculando a variância pelo modelo acima, teremos:
σ2
(x) =
(xi − xi )2
1
= 0.
Ser´ıamos induzidos a afirmar que a dispersão da popula¸cão de onde
provém a amostra é zero, isto é, a popula¸cão é constitu´ıda em sua to-
talidade por elementos idênticos. O que é, em geral, uma afirma¸cão
falsa.
Para corrigir o modelo matemático, basta colocar no denominador
n − 1. O modelo é escrito então:
s2
(x) =
(xi − x)2
n − 1

Observe que agora o modelo é coerente. Mesmo quando a amostra
tiver apenas um elemento x1, o cálculo de s2(x) leva-nos a uma
indetermina¸cão do tipo
0
0
. O que significa que a variância existe,
mas não está determinada.
Significa também que amostras de apenas um elemento não nos
fornece informa¸cões sobre a variância da série.

Se uma série X apresenta x = 10 e σ(x) = 2 e uma série Y apresenta
y = 100 e σ(y) = 5, do ponto de vista da dispersão absoluta, a
série Y apresenta maior dispersão que a série X.
No entanto, se levarmos em considera¸cão as médias das séries, o
desvio padrão de Y que é 5 em rela¸cão a 100 é um valor menos
significativo que o desvio padrão de X que é 2 em rela¸cão a 10.
Isto nos leva a definir as medidas de dispersão relativas: coeficiente
de varia¸cão e variância relativa.
O coeficiente de varia¸cão de uma série X é indicado por CV(x) de-
finido por:
CV(x) =
σ(x)
x

A variância relativa de uma série X é indicada por V (x) e definida
por:
V (x) =
σ2(x)
(x)2
Note que o coeficiente de varia¸cão, como é uma divisão de elementos
de mesma unidade, é um número puro. Portanto, pode ser expresso
em percentual.
Este fato justifica a utiliza¸cão do denominador (x)2 na defini¸cão de
V (x).
Deste modo, se calcularmos o coeficiente de varia¸cão da série X
citada no in´ıcio obteremos:

CV(x) =
2
10
= 0, 2 ou 20%
Calculando o coeficiente de varia¸cão da série Y obteremos:
CV(y) =
5
100
= 0, 05 ou 5%
Comparando os valores destes dois coeficientes conclu´ımos que a
série X admite maior dispersão relativa.
Como a medida de dispersão relativa leva em considera¸cão a me-
dida de dispersão absoluta e a média da série, é uma medida mais
completa que a medida de dispersão absoluta.

Portanto, a medida de dispersão relativa prevalece sobre a medida
de dispersão absoluta. Podemos afirmar que a série que tem a maior
disperssão relativa, tem de modo geral a maior dispersão.
Concluindo o exemplo anterior:
A série Y apresenta maior dispersão absoluta.
A série X apresenta maior dispersão relativa.
Portanto, a série X apresenta maior dispersão.

MARTINS, Gilberto de Andrade Martins, Estat´ıstica Geral e
Aplicada, 4 ed. São Paulo: Editora Atlas S.A., 2011
SILVA, Ermes Medeiros da; SILVA, Elio Medeiros da;
GONÇALVES, Valter; MUROLO, Afrânio Carlos,
ESTATÍSTICA Para os cursos de: Economia, Administra¸cão e
Ciências Contabeis 3 ed. São Paulo: Editora Atlas S.A., 1999

Aula 08 de estatística

Recommended

Recommended

More Related Content

What's hot

What's hot (20)

Viewers also liked

Viewers also liked (15)

Similar to Aula 08 de estatística

Similar to Aula 08 de estatística (20)

More from josivaldopassos

More from josivaldopassos (20)

Recently uploaded

Recently uploaded (20)

Aula 08 de estatística