O que são média e desvio padrão?
A média e o desvio padrão são duas das formas mais comuns de resumir um conjunto de dados numéricos. A média descreve o centro dos dados, enquanto o desvio padrão descreve o quanto os valores se dispersam em torno desse centro.
A média é a média aritmética. Ela responde a uma pergunta como: “Qual seria o valor típico se o total fosse dividido igualmente entre todas as observações?” Por exemplo, se vários estudantes têm notas de uma prova, a média das notas fornece um resumo do desempenho geral.
O desvio padrão responde a uma pergunta diferente: “Quanto os valores costumam variar em relação à média?” Um desvio padrão pequeno significa que os valores estão concentrados perto da média. Um desvio padrão grande significa que eles estão mais dispersos.
Juntos, a média e o desvio padrão ajudam a descrever tanto o centro quanto a variabilidade de um conjunto de dados. Por isso, são usados em estatística, educação, pesquisa, controle de qualidade, finanças, ciência e em muitos resumos de dados do dia a dia.
Por que a estatística descritiva é importante
Os dados brutos podem ser difíceis de compreender apenas pela observação. Uma lista com 50 medições, notas, preços ou tempos pode conter padrões úteis, mas esses padrões ficam mais fáceis de perceber quando os dados são resumidos.
A estatística descritiva ajuda você a:
-
Comparar conjuntos de dados sem ler cada valor individualmente.
-
Identificar valores incomuns que podem exigir uma análise mais cuidadosa.
-
Entender se os valores são consistentes ou muito variáveis.
-
Escolher uma medida de centro mais adequada, como a mediana em vez da média, quando os dados são assimétricos ou contêm valores extremos.
-
Comunicar os resultados com clareza em relatórios, trabalhos escolares, anotações de pesquisa, painéis e verificações de qualidade.
A média costuma ser útil, mas não conta toda a história. Dois conjuntos de dados podem ter a mesma média e dispersões muito diferentes. O desvio padrão, a variância, a amplitude, a mediana, a moda e um gráfico simples acrescentam contexto.
Termos importantes
-
Observação: Um valor numérico do conjunto de dados.
-
Contagem: O número de observações numéricas ativas incluídas no cálculo.
-
Média: A média aritmética das observações.
-
Desvio: A diferença entre uma observação e a média.
-
Variância: A média dos desvios quadráticos em relação à média, usando o denominador de amostra ou população selecionado.
-
Desvio padrão: A raiz quadrada da variância. Ele traz a medida de dispersão de volta à mesma unidade dos dados originais.
-
Desvio padrão amostral: Um desvio padrão calculado a partir de dados tratados como uma amostra de uma população maior.
-
Desvio padrão populacional: Um desvio padrão calculado a partir de dados tratados como a população completa de interesse.
-
Mediana: O valor central após ordenar os dados, ou a média dos dois valores centrais quando a contagem é par.
-
Moda: O valor ou os valores que ocorrem com maior frequência.
-
Amplitude: O valor máximo menos o valor mínimo.
-
Escore-z: A distância de um valor em relação à média, medida em desvios padrão.
-
Valor discrepante: Um valor que parece estar excepcionalmente distante do restante dos dados e pode merecer investigação.
Como funcionam a média e o desvio padrão
Comece com os valores numéricos \(x_1, x_2, \ldots, x_n\). A média é obtida somando todos os valores e dividindo pelo número de valores:
$$
\bar{x} = \frac{\sum_{i=1}^{n} x_i}{n}
$$
Onde:
-
\(x_i\) = uma observação
-
\(n\) = número de observações
-
\(\bar{x}\) = média amostral
Depois de encontrar a média, o desvio padrão mede o quanto as observações tendem a se afastar dela. O processo é:
-
Subtrair a média de cada valor.
-
Elevar cada desvio ao quadrado para que desvios negativos e positivos não se anulem.
-
Somar os desvios quadráticos.
-
Dividir pelo denominador correto.
-
Calcular a raiz quadrada.
Para uma amostra, a variância e o desvio padrão são:
$$
s^2 = \frac{\sum_{i=1}^{n}(x_i - \bar{x})^2}{n - 1}
$$
$$
s = \sqrt{\frac{\sum_{i=1}^{n}(x_i - \bar{x})^2}{n - 1}}
$$
Para uma população, a variância e o desvio padrão são:
$$
\sigma^2 = \frac{\sum_{i=1}^{N}(x_i - \mu)^2}{N}
$$
$$
\sigma = \sqrt{\frac{\sum_{i=1}^{N}(x_i - \mu)^2}{N}}
$$
Where:
-
\(s^2\) = variância amostral
-
\(s\) = desvio padrão amostral
-
\(\sigma^2\) = variância populacional
-
\(\sigma\) = desvio padrão populacional
-
\(\mu\) = média populacional
-
\(N\) = tamanho da população
A fórmula amostral usa \(n - 1\) porque uma amostra está sendo usada para estimar a variação de uma população maior. A fórmula populacional usa \(N\) porque os dados informados são tratados como toda a população de interesse.
Um escore-z usa o desvio padrão selecionado para o cálculo a fim de descrever o quanto um valor se afasta da média. No modo amostral, o denominador é o desvio padrão amostral \(s\); no modo populacional, é o desvio padrão populacional \(\sigma\):
$$
z = \frac{x_i - \bar{x}}{d}, \quad d = \begin{cases} s & \text{(sample mode)} \\ \sigma & \text{(population mode)} \end{cases}
$$
Um escore-z positivo significa que o valor está acima da média. Um escore-z negativo significa que ele está abaixo da média. Um escore-z próximo de \(0\) significa que o valor está perto da média.
Exemplos práticos de média e desvio padrão
Exemplo 1: um conjunto de dados simples
Suponha que os valores sejam:
$$
2,\ 4,\ 4,\ 4,\ 5,\ 5,\ 7,\ 9
$$
A soma é \(40\), e há \(8\) valores:
$$
\bar{x} = \frac{40}{8} = 5
$$
A média é \(5\).
A soma dos desvios quadráticos em relação à média é \(32\). Se esses valores forem tratados como a população completa, a variância será:
$$
\sigma^2 = \frac{32}{8} = 4
$$
Portanto, o desvio padrão populacional é:
$$
\sigma = \sqrt{4} = 2
$$
Se os mesmos valores forem tratados como uma amostra, a variância será:
$$
s^2 = \frac{32}{8 - 1} = \frac{32}{7} \approx 4.571429
$$
Portanto, o desvio padrão amostral é:
$$
s = \sqrt{4.571429} \approx 2.13809
$$
Este exemplo mostra por que o desvio padrão amostral e o populacional podem ser diferentes mesmo quando os valores dos dados são iguais.
Exemplo 2: um conjunto pequeno com um valor repetido
Considere este conjunto de dados:
$$
12,\ 15,\ 15,\ 18,\ 20,\ 21,\ 24
$$
A contagem é \(7\), e a soma é \(125\):
$$
\bar{x} = \frac{125}{7} \approx 17.857143
$$
A mediana é \(18\) porque \(18\) é o valor central após a ordenação. A moda é \(15\) porque aparece mais vezes do que qualquer outro valor. A amplitude é:
$$
24 - 12 = 12
$$
Usando o desvio padrão amostral, a variância é aproximadamente \(17.142857\), e o desvio padrão é aproximadamente \(4.140393\).
A média, a mediana, a moda, o desvio padrão e a amplitude descrevem, cada um, uma parte diferente do mesmo conjunto de dados.
Exemplo 3: sem dispersão
Se todos os valores forem iguais, como em:
$$
10,\ 10,\ 10
$$
Então, a média é \(10\), e todo desvio em relação à média é \(0\):
$$
10 - 10 = 0
$$
A variância é \(0\), e o desvio padrão também é \(0\). Isso significa que não há dispersão: todos os valores ativos são idênticos.
Como interpretar o resultado
O resultado principal é a média dos valores numéricos ativos. Ela é um ponto central, não uma garantia de que alguma observação individual seja igual ou sequer próxima desse número.
O desvio padrão explica a dispersão na mesma unidade implícita dos valores informados. Se os valores forem notas de uma prova, o desvio padrão estará em pontos. Se forem segundos, o desvio padrão estará em segundos. A variância é diferente: como se baseia em desvios quadráticos, é medida nas unidades dos valores informados ao quadrado.
Um desvio padrão baixo significa que os valores dos dados estão próximos da média. Um desvio padrão alto significa que os valores variam mais. Um desvio padrão de \(0\) significa que todos os valores incluídos são iguais.
Os modos amostral e populacional alteram o denominador usado para a variância:
-
Use o desvio padrão amostral quando os valores informados forem uma amostra de um grupo maior.
-
Use o desvio padrão populacional quando os valores informados forem o grupo completo que você deseja descrever.
A mediana pode ser mais representativa do que a média quando o conjunto de dados contém um valor muito grande ou muito pequeno. A moda é útil quando os valores repetidos são importantes. A amplitude oferece uma visão rápida da distância entre o mínimo e o máximo, mas depende apenas dos dois valores mais extremos.
Uma indicação simples de valor discrepante pode ser útil para uma triagem, mas não deve ser tratada como uma decisão final. Um valor a mais de dois desvios padrão da média pode merecer atenção, mas ainda pode ser uma observação válida. O contexto, a qualidade dos dados e o formato da distribuição são importantes.
Erros e equívocos comuns
Escolher o modo amostral ou populacional sem considerar os dados. O mesmo conjunto de dados pode produzir desvios padrão diferentes dependendo do denominador. Use o modo amostral para uma amostra e o modo populacional para a população completa de interesse.
Arredondar cedo demais. Arredondar valores intermediários pode alterar ligeiramente a variância ou o desvio padrão final. Em geral, é melhor calcular com precisão total e arredondar apenas o resultado final exibido.
Supor que campos vazios sejam zeros. Linhas vazias representam valores ausentes, não valores iguais a zero. Tratá-las como zeros alteraria a média, o desvio padrão, a soma, a amplitude e outros resultados.
Usar números com separadores de milhar nos dados colados. Se vírgulas forem usadas como separadores, um valor como \(1{,}000\) pode não ser tratado como mil. Informe números grandes sem separadores de milhar ao importar dados.
Usar vírgulas decimais em vez de pontos decimais. Um valor como \(1,5\) pode ser lido como dois valores separados, em vez do valor decimal \(1.5\). Use pontos decimais para valores decimais.
Tratar a indicação de valor discrepante como um teste formal. A triagem por dois desvios padrão é apenas uma sinalização simples. A análise formal de valores discrepantes depende da distribuição dos dados, do objetivo da análise e das consequências de manter ou remover valores.
Esperar que decimais quase iguais sejam considerados a mesma moda. Os valores precisam coincidir exatamente para serem agrupados como o mesmo valor repetido. Por exemplo, \(2.5\) e \(2.5000001\) são valores numéricos diferentes.
Usar média e desvio padrão para todo conjunto de dados sem verificar o formato. Valores extremos e distribuições assimétricas podem afastar a média e o desvio padrão do centro típico dos dados. Nesses casos, a mediana, o intervalo interquartil ou um gráfico podem ser mais informativos.
Quando usar média e desvio padrão
Use a média e o desvio padrão quando quiser resumir dados numéricos e entender tanto o centro quanto a dispersão.
Eles são especialmente úteis para:
-
Comparar notas de provas, medições, tempos de resposta, preços, avaliações ou resultados experimentais.
-
Resumir medições repetidas de um processo.
-
Descrever a variação em um conjunto de dados numéricos aproximadamente simétrico.
-
Verificar se os valores estão muito concentrados ou amplamente dispersos.
-
Preparar um resumo rápido de estatística descritiva antes de uma análise mais profunda.
-
Estimar a variabilidade populacional a partir de uma amostra.
A média e o desvio padrão são menos informativos quando os dados são muito assimétricos, contêm valores discrepantes extremos, usam categorias em vez de números ou representam dados de frequência agrupados, e não observações individuais.
Limitações e pontos importantes
A média e o desvio padrão resumem os dados, mas não explicam por que eles têm determinado aspecto. Eles também não provam que um conjunto de dados segue uma distribuição normal.
Entre as limitações importantes estão:
-
Os resultados dependem da qualidade dos dados informados.
-
Linhas vazias são ignoradas, em vez de serem tratadas como zeros.
-
O cálculo não usa pesos, portanto cada valor ativo tem a mesma importância.
-
O método não lida com dados de frequência agrupados nem com rótulos categóricos.
-
O desvio padrão amostral exige pelo menos dois valores numéricos ativos.
-
O modo populacional pode descrever um único valor ativo, mas a dispersão é \(0\) porque não há variação entre vários valores.
-
A moda se baseia na igualdade numérica exata.
-
A indicação de valor discrepante usa uma regra simples: valores que estão a mais de dois desvios padrão selecionados da média são sinalizados.
-
Os resultados exibidos são formatados para facilitar a leitura. Valores finitos comuns e diferentes de zero são mostrados com até \(6\) casas decimais, enquanto valores muito grandes ou muito pequenos podem ser mostrados com até \(8\) algarismos significativos.
-
A variância está em unidades ao quadrado, portanto costuma ser menos intuitiva do que o desvio padrão.
-
O download do gráfico no navegador pode depender do suporte a SVG, canvas, URLs de Blob e recursos de exportação de imagens.
Para decisões importantes, confira os dados e o cálculo. Quando o resultado afetar conclusões de pesquisa, dinheiro, saúde, segurança, obrigações legais, trabalhos de engenharia ou registros oficiais, use métodos estatísticos adequados e consulte um profissional qualificado quando necessário.
Como usar esta calculadora
-
Informe uma observação numérica por linha na coluna Valor.
-
Adicione mais linhas quando precisar de mais observações ou exclua linhas enquanto restarem mais de duas linhas na tabela.
-
Escolha o desvio padrão amostral ou populacional.
-
Opcionalmente, cole valores separados por espaços, vírgulas ou ponto e vírgula.
-
Use o exemplo básico para carregar dados de amostra ou limpe a tabela para começar de novo.
-
Interprete o resultado principal como a média.
-
Consulte os cartões de detalhes para ver o desvio padrão, a variância, a mediana, a moda, a indicação de valor discrepante, os valores ordenados, a contagem, a soma, o mínimo, o máximo e a amplitude.
-
Use o gráfico de pontos para comparar as observações com a média, a mediana, o mínimo, o máximo e a faixa de um desvio padrão.
-
Passe o cursor sobre um ponto ou coloque o foco nele para ver o valor da observação, a distância em relação à média, o escore-z e o status de valor discrepante.
-
Baixe o gráfico como PNG se quiser salvar o gráfico de pontos.
Perguntas frequentes
Qual é a diferença entre média e desvio padrão?
A média informa o valor médio. O desvio padrão informa o quanto os valores se dispersam em torno dessa média. Dois conjuntos de dados podem ter a mesma média, mas desvios padrão muito diferentes.
Devo usar o desvio padrão amostral ou populacional?
Use o desvio padrão amostral quando seus valores forem apenas parte de um grupo maior que você deseja estimar. Use o desvio padrão populacional quando seus valores forem o grupo completo que você deseja descrever. Se você estiver em dúvida em uma situação típica de aula ou pesquisa, o desvio padrão amostral costuma ser a escolha esperada.
Por que o desvio padrão amostral divide por \(n - 1\)?
Uma amostra usa a própria média como estimativa da média populacional. Como essa média é calculada a partir dos mesmos dados da amostra, um grau de liberdade é consumido. Dividir por \(n - 1\) ajuda a estimar a variância populacional a partir da amostra.
O desvio padrão pode ser negativo?
Não. A variância se baseia em desvios quadráticos, e o desvio padrão é a raiz quadrada da variância. O desvio padrão é sempre \(0\) ou maior.
O que significa um desvio padrão de \(0\)?
Isso significa que não há dispersão entre os valores incluídos. Todas as observações ativas têm o mesmo valor, portanto todo desvio em relação à média é \(0\).
Um valor a mais de dois desvios padrão da média é sempre um valor discrepante?
Nem sempre. É uma regra de triagem útil, mas não é um teste formal de valores discrepantes. Um valor sinalizado deve ser verificado no contexto antes de decidir se é um erro, um valor raro porém válido ou um sinal de que é necessária uma análise diferente.
Por que a média e a mediana podem ser diferentes?
A média usa todos os valores e é afetada por observações muito grandes ou muito pequenas. A mediana depende da posição central após a ordenação, portanto geralmente é menos afetada pelos extremos. Quando a média e a mediana estão muito distantes, os dados podem ser assimétricos ou conter valores incomuns.
A calculadora inclui linhas vazias?
Não. As linhas vazias são ignoradas. Apenas valores numéricos finitos e ativos são incluídos nos cálculos.
Fontes e referências
Livros
-
Barbara Illowsky and Susan Dean. Introductory Statistics 2e. OpenStax, 2023. Sections 2.5, “Measures of the Center of the Data,” and 2.7, “Measures of the Spread of the Data.” https://openstax.org/books/introductory-statistics-2e
-
David M. Diez, Mine Çetinkaya-Rundel, and Christopher D. Barr. OpenIntro Statistics. 4th ed., OpenIntro, Inc., 2019. Chapter 2, “Summarizing Data.” ISBN 978-1943450077. https://www.openintro.org/book/os/
Fontes on-line e oficiais
-
National Institute of Standards and Technology and SEMATECH. “Measures of Scale.” NIST/SEMATECH e-Handbook of Statistical Methods, accessed July 4, 2026. https://www.itl.nist.gov/div898/handbook/eda/section3/eda356.htm
-
National Institute of Standards and Technology and SEMATECH. “Detection of Outliers.” NIST/SEMATECH e-Handbook of Statistical Methods, accessed July 4, 2026. https://www.itl.nist.gov/div898/handbook/eda/section3/eda35h.htm
