Medidas De Dispersão Absoluta E Relativa

Medidas de dispersão absoluta e relativa

Na prática, a primeira coisa que você percebe é que a média sozinha não conta nada. Dois grupos podem ter média 50, um com valores todos colados em 50 e outro tremendo entre 0 e 100. Aí entra a dispersão. Não tem mistério, mas tem detalhe que quem ensina nos livros geralmente pula.

O que são medidas de dispersão absoluta e relativa

Dispersão absoluta mede o espalhamento dos dados na mesma unidade da variável. É o que você vê quando olha o tamanho do grupo: amplitude total, variância, desvio padrão, desvio médio. Já a dispersão relativa normaliza esse espalhamento em relação à média, transformando em coeficiente. O principal é o coeficiente de variação de Pearson, que divide o desvio padrão pela média e multiplica por 100. A diferença prática é simples: absoluta responde "o quão longe estão?" em unidade real. Relativa responde "esse espalhamento é grande ou pequeno se comparado ao valor central?".

Como calcular passo a passo

Vamos supor uma amostra real, daqueles dados que aparecem em planilha no trabalho. Idades de 8 funcionários: 22, 25, 27, 30, 35, 40, 45, 60. 1. Média aritmética:

Soma = 284. N = 8. Média = 35,5 anos. 2. Dispersão absoluta:

Amplitude total = 60 - 22 = 38 anos. Esse número já dá uma ideia bruta, mas é muito sensível a extremos. Só de ver o 60 ali ele inflate tudo. Para variância amostral, você pega cada desvio em relação à média, eleva ao quadrado, soma e divide por n-1. Os desvios são: -13,5; -10,5; -8,5; -5,5; -0,5; 4,5; 9,5; 24,5. Elevados: 182,25; 110,25; 72,25; 30,25; 0,25; 20,25; 90,25; 600,25. Soma dos quadrados = 1106. Variância amostral = 1106 / 7 158. Variância populacional seria 1106 / 8 = 138,25. A diferença parece pequena, mas muda o resultado final.

Desvio padrão amostral = raiz de 158 12,57 anos. Esse é o número que você vai usar na maioria das situações. Ele já volta em anos, então você consegue interpretar direto: em média, os valores ficam cerca de 12,5 anos acima ou abaixo da média. 3. Dispersão relativa:

Coeficiente de variação = (12,57 / 35,5) × 100 35,4%. Esse valor é o que separa análise séria de achismo. Com CV acima de 30%, a gente considera que há variabilidade alta. Abaixo de 15%, os dados tendem a ser homogêneos. Entre 15 e 30, moderado.

Quando usar cada uma e o erro mais comum

Muita gente aplica desvio padrão e para por aí. O erro é não reportar o coeficiente de variação junto. Sem ele, você não sabe se 12 anos de desvio é muito ou pouco. Depende da média. Se a média fosse 200, CV seria 6%. Se for 35,5, CV é 35%. O mesmo desvio padrão, interpretações opostas. Dispersão absoluta é útil quando você precisa comunicar o resultado em unidade que faz sentido para o leitor. Desvio padrão em reais, em anos, em quilogramas. Mas ela não serve para comparar grupos com médias diferentes. Dois times de basquete podem ter desvio padrão de pontuação igual, mas um marca em média 90 pontos e o outro 70. A relativa resolve isso.

Problema real que eu enfrentei e o workaround

Em 2022, eu estava analisando tempo de resposta de suporte técnico. A média era 4,2 minutos, desvio padrão 3,8 minutos. Na folha de cálculo parecia normal. Mas o coeficiente de variação dava 90%. Isso indicava dispersão absurda, dados muito espalhados em relação à média. O problema era que havia muitos valores zero — casos resolvidos no primeiro contato — que distorciam tudo. A distribuição era assimétrica com cauda à direita. A solução que funcionou foi separar os casos de primeira resposta dos casos que precisaram de retorno. Calculei dispersão absoluta e relativa apenas dentro de cada grupo. O CV do primeiro contato caiu para 22%. A dispersão relativa do segundo contato ficou em 45%. Assim consegui reportar números coerentes em vez de um CV de 90% que não significava nada prático.

Pegadinhas que ninguém avisa

O coeficiente de variação não funciona bem quando a média é próxima de zero. Se você tem dados onde a média pode ser zero ou negativa, o CV fica instável ou sem sentido. Nesse caso, prefira usar a razão interquartil, que divide a amplitude interquartil pela mediana. É menos sensível a valores extremos. Outro ponto: desvio padrão Assume que os dados têm distribuição aproximadamente simétrica. Com dados assimétricos, ele superestima a dispersão real. Nesse cenário, o desvio absoluto mediano ou a amplitude interquartil são mais confiáveis. Eu costumo relatar ambos: desvio padrão para referência rápida e IQR para validar que os extremos não estão inflando o resultado.

População versus amostra também troca o divisor. Usar n em vez de n-1 subestima a variância em amostras pequenas. Em amostras com menos de 30 elementos, a diferença pode ser relevante. O cálculo com n-1 é o correto para inferência estatística. Para descrever apenas os dados que você tem, alguns autores usam n, mas você precisa deixar claro qual convenção adotou.

Tabela de comparação prática

Amplitude total: simples, rápida, mas ignora a distribuição interna. Útil para um primeiro olhar. Desvio médio: menos sensível a valores extremos que a variância, mas raramente usado na prática profissional.

Variância: base para tudo, mas fica em unidade elevada. Difícil de interpretar sozinho. Desvio padrão: o padrão da indústria. Volta na unidade original, fácil de comunicar.

Coeficiente de variação: essencial para comparações entre grupos com escalas diferentes. Amplitude interquartil: robusta contra outliers, ideal para dados assimétricos.

Resumo do fluxo de análise

Na minha rotina, eu sempre sigo uma sequência fixa. Primeiro calculo média, mediana e amplitude total. Depois desvio padrão e coeficiente de variação. Em seguida verifico assimetria: se skew maior que 1 ou menor que -1, eu relato também amplitude interquartil e desvio absoluto mediano. Só então comparo grupos usando CV. Essa sequência leva cerca de 5 minutos em planilha com fórmulas prontas. Sem automação, o mesmo processo leva 15 a 20 minutos por conjunto de dados. A diferença é real, porque o passo mais lento é conferir se o divisor está correto e se não há valores faltando escondidos.