Medidas de Dispersão, Assimetria e Curtose

14/08/2022 20:16 Medidas de Dispersão, Assimetria e Curtose
Medidas de Dispersão, Assimetria e Curtose

Estatística Básica
1.
Introdução
Para avaliar a variabilidade em torno da mediana, utiliza-se a amplitude interquartil, conforme já
foi abordado no capítulo de Medidas de Posição.
Já as medidas de dispersão, que serão neste Tópico abordadas, são utilizadas, dentre outras
utilidades, para descrever a variabilidade em torno da média em duas situações:
1. Quando pretende-se computar a variabilidade dita individual (variância, desvio padrão e

coeficiente de variação);
2. Ao computar a variabilidade em termos amostrais (erro padrão e margem de erro).
Estatística Descritiva
Medidas de Variabilidade Individual
Amostral
Já o coeficiente de assimetria irá elucidar os aspectos da assimetria dos dados, ou seja, definir se a
distribuição de valores é simétrica ou assimétrica e, quando assimétrica, determinar o sentido da
assimetria, se à direita ou à esquerda, e a intensidade da assimetria, se forte ou fraca.
O coeficiente de curtose informará sobre o grau de achatamento da curva, indicando o nível de

dispersão dos dados.
2.
Medidas de Variabilidade
As medidas de variabilidade individual são úteis para indicar a dispersão entre os elementos do
conjunto e a média dos valores, servindo para indicar essa variabilidade sem, portanto, se importar
com a representatividade da amostra, caso os dados sejam amostrais.
Já as medidas de variabilidade amostral atrelam seu cálculo a parâmetros da amostra de forma que
indicam a variabilidade em virtude de características da amostra, como uma forma de mostrar
como essa amostra pode representar a população de onde ela é advinda (VIEIRA, 2008).
https://ceadsaladeaula.uvv.br/conteudo.php?aula=medidas-de-dispersao-assimetria-e-curtose&dcp=estatistica-basica&topico=4 1/15
3.
Cálculo das Medidas de Variabilidade
De acordo com Toledo e Ovalle (1986), todas as medidas de variabilidade citadas (variância, desvio
padrão, coeficiente de variação, erro padrão e margem de erro) têm sua origem no
dimensionamento da distância (desvio) entre os valores do conjunto e a média aritmética.
Para esse dimensionamento, basta subtrair cada valor do conjunto de dados pela média obtida
destes dados, de modo que a fórmula para cálculo dos desvios (di) será:
Assim sendo, podem-se calcular tantos desvios quantos forem os elementos do conjunto.
3.1.
Conceito e Cálculo da Variância e do
Desvio Padrão
A ideia central é, a partir do cálculo dos desvios, gerar uma média entre esses desvios, porém, a
propriedade de nulidade dos desvios da média aritmética impede que isso seja feito de maneira
direta.
Considere o seguinte exemplo numérico para melhor entender o que foi relatado:
A sequência abaixo corresponde a 8 repetições amostrais de uma variável numérica (idade):
20 - 22 - 22 - 25 - 28 - 36 - 38 - 41
Objetivando calcular os desvios desse conjunto, devemos iniciar pelo cálculo da média, quando
teríamos:
Como se pode observar, a soma algébrica dos desvios tomados em relação à média aritmética é
nula, de forma que o cálculo direto de uma média desses desvios fica impossibilitada devido a essa
propriedade da média aritmética.
3.1.1 Cálculo da variância para dados brutos

Assim sendo, uma das mais conceituadas alternativas para contornar a simetria algébrica dos
desvios (soma de valores negativos = soma dos valores positivos) é o cálculo da variância, quando
se realiza a exponenciação desses desvios, considerando o menor expoente par (no caso, o 2), o quê,
em outras palavras, seria elevar cada um dos desvios ao quadrado.
Depois de elevar ao quadrado, deve-se realizar a soma e, em seguida, então, dividir pelo número de
desvios, gerando a almejada média dos desvios.
A relevância desse método é que ele preserva as propriedades algébricas do conjunto de valores
(TOLEDO; OVALLE, 2011). Resumidamente, diríamos que a variância é a média do quadrado dos
desvios tomados em torno da média aritmética (CRESPO, 2011).
Dessa maneira, teríamos as seguintes fórmulas para a variância, considerando se o conjunto de

valores é advindo de um levantamento por censo ou por amostragem:
Para o exemplo das idades, aplicaríamos a fórmula para amostras, fazendo, primeiramente, o
quadrado dos desvios e sua soma:
De posse do somatório do quadrado dos desvios, basta agora dividir essa soma por (n-1):
3.1.2 Cálculo do desvio padrão para dados brutos
Percebeu que, ao elevar os desvios ao quadrado, elevou-se também a unidade ao quadrado, de

forma que, para esses e muitos outros exemplos, a estimativa de variabilidade, via variância, ficou
um tanto quanto exacerbada, por estar quadrática?
Para resolver essa questão e termos, então, uma medida não quadrática que fará melhor trabalho
como medida de dispersão em torno da média, uma vez que terá a mesma unidade que ela,
aplicamos a operação inversa, ou seja, tiramos a raiz quadrada da variância, quando obteremos o
desvio padrão.
Assim sendo:
Por que calcular medidas de dispersão? Como elas auxiliarão na descrição sumarizada do conjunto
de dados? No vídeo seguinte, você terá as respostas a essa pergunta, bem como poderá revisar o
processo de cálculo da variância e do desvio padrão.
3.1.3 Cálculo da variância e do desvio padrão para dados tabulados

Assim como no cálculo da média, ao imprimirmos o processo de cálculo para variância e desvio
padrão quando os dados estiverem tabulados, devemos realizar a ponderação pela frequência, de
forma que as fórmulas ajustadas ficariam assim:
Considere o seguinte exemplo para cálculo da variância e desvio padrão com dados tabulados:
Exemplo: como parte de um experimento, ratos de laboratório foram privados de água por 23
horas e, então, permitido o acesso à água por 1 (uma) hora. Com os resultados obtidos, montou-se a
seguinte tabela:
De posse da tabela, para calcular a variância, seguiríamos o seguinte roteiro:
a) Calcular a média.
Esse valor já foi calculado, sendo da ordem de 14,2 ml.
b) De posse do valor da média, calcular os desvios, que, no caso de distribuições com intervalos de
classes, serão a diferença entre o ponto médio de cada classe e a média dos dados:
c) Uma vez calculados os desvios, elevá-los ao quadrado, ponderar pela frequência e fazer a soma:
d) De posse do somatório, dividi-lo por (n-1), por se tratarem de valores amostrais neste caso:
Dessa forma, encontrou-se consumo médio de 14,2 ml de água, com desvio padrão de 2,6 ml, que
representa a variabilidade em torno dessa média.
Assim como a média, a variância e o desvio padrão atendem a propriedades de interesse. No vídeo a
seguir, relembre as propriedades da média e conheça as propriedades das medidas de variabilidade.
3.2.
Conceito e Cálculo do Coeficiente de
Variação

O coeficiente de variação (CV) vem a ser o percentual que o desvio padrão representa da média,
sendo, portanto, uma medida de dispersão relativa, o que possibilita um melhor julgamento na
avaliação da dimensão do desvio padrão (se é grande ou pequeno), sendo ainda muito útil quando
se pretende comparar conjuntos distintos (ou características de um mesmo conjunto) a partir de
sua variabilidade.
Sua fórmula é dada por:
Coeficiente de variação
Uma pergunta que pode surgir é: O desvio padrão calculado é grande ou pequeno?
Esta questão é relevante por exemplo, na avaliação da precisão de métodos.
Um desvio padrão pode ser considerado grande ou pequeno dependendo da ordem de grandeza da
variável.
Uma maneira de se expressar a variabilidade dos dados tirando a influência da ordem de grandeza
da variável é através do coeficiente de variação, definido por:
O CV é:
interpretado como a variabilidade dos dados em relação à média. Quanto menor o CV mais
homogêneo é o conjunto de dados.
adimensional, isto é, um número puro, que será positivo se a média for positiva; será zero
quando não houver variabilidade entre os dados, ou seja, s=0.
Usualmente expresso em porcentagem, indicando o percentual que o desvio padrão é menor
(100%CV < 100%) ou maior (100%CV > 100%) do que a média.
Um CV é considerado baixo (indicando um conjunto de dados razoavelmente homogêneo) quando
for menor ou igual a 25%. Entretanto, esse padrão varia de acordo com a aplicação.
Por exemplo, em medidas vitais (batimento cardíaco, temperatura corporal, etc) espera-se um CV
muito menor do que 25% para que os dados sejam considerados homogêneos.
Pode ser difícil classificar um coeficiente de variação como baixo, médio, alto ou muito alto, mas
este pode ser bastante útil na comparação de duas variáveis ou dois grupos que a princípio não são
comparáveis.
Exemplos:
1. Em um grupo de pacientes foram tomadas as pulsações (batidas por minuto) e dosadas as taxas
de ácido úrico (mg/100ml). As médias e os desvios padrão foram:
Os coeficientes de variação são:
O que evidencia que a pulsação é mais estável do que o ácido úrico.

2. Em experimentos para a determinação de clorofila em plantas, levantou-se a questão de que se o
método utilizado poderia fornecer resultados mais consistentes. Três métodos foram colocados à
prova e 12 folhas de abacaxi foram analisadas com cada um dos métodos. Os resultados foram os
seguintes:
Note que as médias são bastante diferentes devido às diferenças entre os métodos. Entretanto, os
três CV são próximos, o que indica que a consistência dos métodos é praticamente equivalente,
sendo que o método 3 mostrou-se um pouco menos consistente” (SHIMAKURA, 2012).
14/08/2022 20:16
q p (
Medidas de Dispersão, Assimetria e Curtose
, )
3.3.
Conceito e Cálculo do Erro Padrão da
Média
Ao escrever um texto científico, muitas vezes, sumarizamos os dados a partir da média,
acompanhada do desvio padrão dos dados da amostra ou da média com o erro padrão.
O desvio padrão dos dados da amostra é uma descrição da variação dos valores obtidos, enquanto o
erro padrão da média indica se o tamanho da amostra fornecerá uma boa estimativa da média
populacional.
Resumidamente, o erro padrão da média da amostra é uma estimativa de quão longe a média da
amostra está da média populacional, enquanto o desvio padrão da amostra é o grau em que os
indivíduos dentro da amostra diferem da média da amostra.
Dessa maneira, de acordo com a fórmula, à medida que o tamanho da amostra aumenta, o erro
padrão da média diminui, tendendo a zero com o aumento do tamanho da amostra, considerando
que, quanto maior a amostra, mais ela se aproxima da população.
O erro padrão da média possibilitará a definição da margem de erro, que vem a ser uma
estimativa de variação da média amostral a fim de se cercar o parâmetro (a média populacional) na
construção dos intervalos de confiança, ou seja, permite sair da estimativa pontual para fazer
estimativa intervalar. Nessa estimativa, intervalar a probabilidade de acerto é alta, enquanto, na
pontual, é baixa.

Dessa forma, encontrou-se consumo médio de 14,2 ml de água, com erro padrão da média de 1,4
ml, que representa a variabilidade em torno dessa média, indicando que a extensão com que a
média amostral, provavelmente, se desviará da média populacional é dessa magnitude.
3.4.
Assimetria
Na figura abaixo, percebemos os tipos de assimetria das curvas, já discutida no tópico de Medidas
de Posição e de Ordenamento, porém, não fica facilitada a emissão de juízo sobre o grau dessa
assimetria, ou seja, definir se a assimetria é forte ou fraca. Essa definição é de grande importância
para a análise estatística por indicar se a média aritmética se distanciou muito das outras medidas
de posição a fim de se avaliar se a média é a medida de posição mais indicada para representar o
conjunto de valores ou se deve ser substituída pela mediana.
Tipos de distribuições com relação à simetria.
O Coeficiente de Assimetria (ASS) permitirá esse julgamento a partir de seu cálculo e análise do
resultado.
3.4.1 Cálculo e interpretação do Coeficiente de Assimetria

Há diferentes metodologias para cálculo do Coeficiente de Assimetria, dentre as quais,
didaticamente, destacam-se:
Conforme se percebeu, há diversas metodologias para o cálculo do coeficiente, porém,

independente do resultado de cada uma delas, o que, normalmente, se pretende é avaliar o grau da
assimetria e a tendência (positiva ou negativa) da assimetria. Para tanto, os resultados serão
analisados, considerando os seguintes pontos de corte (FONSECA e MARTINS, 2010):
Nos 2 casos:
Se ASS = 0, a distribuição é perfeitamente simétrica.
Se 0,15 < |ASS| < 1, a assimetria é moderada.
Se |ASS| > 1, a assimetria é forte.
Obs.: o ASS, em módulo, representa a afirmativa tanto para valores negativos como para positivos,
invertendo-se o sinal da equação quando se multiplica por (-1).
Considere o exemplo dos ratos que foram privados de água:
Nesse exemplo, já temos os valores de
De posse desses resultados, é possível calcular o coeficiente de assimetria utilizando-se as duas

metodologias:
Primeiramente, usando a fórmula que envolve a moda, a média e o desvio padrão, quando
teríamos:
Depois, usando a fórmula que envolve as separatrizes, quando teríamos:
Com esses resultados, podemos avaliar que os dados de consumo de água possuem uma assimetria
moderada. Neste caso, continua o indicativo de uso da média para representar os dados. A mediana
pode passar a substituir a média quando se tem diagnóstico de assimetria forte, ou seja, quando
|ASS| > 1.
3.5.
Curtose
Curtose.
Nas figuras, percebem-se três tipos de curvas com relação ao achatamento, ou seja, sua dispersão
em torno do ponto central:
a) Percebe-se uma curva mais delgada, em que há grande concentração dos valores em torno do
ponto central. Essa curva é denominada leptocúrtica.
b) Percebe-se uma curva de achatamento intermediário, em que há concentração intermediária dos

valores em torno do ponto central. Essa curva é denominada mesocúrtica.
c) Percebe-se uma curva mais achatada que as outras duas, em que há grande dispersão dos valores
em torno do ponto central. Essa curva é denominada platicúrtica.
Tipos de distribuições com relação à curtose.
Para se ter uma ideia de a qual tipo de distribuição os dados de um conjunto em particular aderem
com relação à curtose, lança-se mão do cálculo e interpretação do coeficiente de curtose (k), cuja
fórmula é:
Onde:
k = coeficiente de curtose
Q1 = Quartil 1
Q3 = Quartil 3
P10 = Porcentil 10
P90 = Porcentil 90
O resultado será interpretado considerando-se o que se segue (CRESPO, 2011):
Se k = 0,263 a curva é mesocúrtica;
Se k<0,263 a curva é leptocúrtica;
Se k > 0,263 a curva é platicúrtica.
Considere o exemplo dos ratos que foram privados de água:
Já tendo calculado os valores de:
Com esse resultado, determina-se curva platicúrtica, ou seja, grande dispersão dos valores em
torno do ponto central.
A determinação do grau de curtose é relevante para se prosseguir na análise estatística, uma vez
que os métodos inferenciais dependem dessa definição para que técnicas adequadas sejam
aplicadas aos dados.
4.
Referências
CRESPO, Antônio Arnot. Estatística Fácil. 19.ed. São Paulo: Saraiva, 2011.
FONSECA, Jairo Simon da; MARTINS, Gilberto de Andrade. Curso de Estatística. 6.ed. São
Paulo: Atlas, 2010.
SHIMAKURA, Silvia. Laboratório de Estatística e Geoinformação, 2012. Coeficiente de variação

Disponível em: < http://leg.ufpr.br/~shimakur/CE055/node26.html >.
TOLEDO, Geraldo Luciano; OVALLE, Ivo Izidoro. Estatística básica. 2. ed. São Paulo, SP: Atlas,
1986. 459 p.
VIEIRA, S. Introdução à bioestatística. 3 ed. Rio de Janeiro: Campus, 2008.
YouTube. (2019, junho, 29). Portal da Matemática. Variância e Desvio Padrão. 9min34.
Disponível em: <https://www.youtube.com/watch?v=c8x_ZChTiLk>.
YouTube. (2019, junho, 28). Khan Academy Brasil. Estatística: variância amostral. 12min04.
Disponível em: <https://www.youtube.com/watch?v=1in0w9bVoVc>.
YouTube. (2019, junho, 21). Gran Cursos Online - Concursos Públicos. Concurso Banco do
Brasil | Propriedades de Medidas Estatísticas. 3min57. Disponível em:
<https://www.youtube.com/watch?v=vmn6ZbYFDwU>.

Medidas de Dispersão, Assimetria e Curtose

Enviado por

Direitos autorais:

Formatos disponíveis

Medidas de Dispersão, Assimetria e Curtose

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Medidas de Dispersão, Assimetria e Curtose

Enviado por

Direitos autorais:

Formatos disponíveis

14/08/2022 20:16 Medidas de Dispersão, Assimetria e Curtose

Medidas de Dispersão, Assimetria e Curtose

1. Quando pretende-se computar a variabilidade dita individual (variância, desvio padrão e

Medidas de Variabilidade Individual

O coeficiente de curtose informará sobre o grau de achatamento da curva, indicando o nível de

A sequência abaixo corresponde a 8 repetições amostrais de uma variável numérica (idade):

3.1.1 Cálculo da variância para dados brutos

Dessa maneira, teríamos as seguintes fórmulas para a variância, considerando se o conjunto de

3.1.2 Cálculo do desvio padrão para dados brutos

Percebeu que, ao elevar os desvios ao quadrado, elevou-se também a unidade ao quadrado, de

3.1.3 Cálculo da variância e do desvio padrão para dados tabulados

De posse da tabela, para calcular a variância, seguiríamos o seguinte roteiro:

Esse valor já foi calculado, sendo da ordem de 14,2 ml.

Sua fórmula é dada por:

Os coeficientes de variação são:

O que evidencia que a pulsação é mais estável do que o ácido úrico.

Tipos de distribuições com relação à simetria.

3.4.1 Cálculo e interpretação do Coeficiente de Assimetria

Conforme se percebeu, há diversas metodologias para o cálculo do coeficiente, porém,

Se ASS = 0, a distribuição é perfeitamente simétrica.

Se 0,15 < |ASS| < 1, a assimetria é moderada.

Se |ASS| > 1, a assimetria é forte.

Considere o exemplo dos ratos que foram privados de água:

Nesse exemplo, já temos os valores de

De posse desses resultados, é possível calcular o coeficiente de assimetria utilizando-se as duas

Depois, usando a fórmula que envolve as separatrizes, quando teríamos:

b) Percebe-se uma curva de achatamento intermediário, em que há concentração intermediária dos

Tipos de distribuições com relação à curtose.

O resultado será interpretado considerando-se o que se segue (CRESPO, 2011):

Se k = 0,263 a curva é mesocúrtica;

Se k<0,263 a curva é leptocúrtica;

Se k > 0,263 a curva é platicúrtica.

Considere o exemplo dos ratos que foram privados de água:

Já tendo calculado os valores de:

SHIMAKURA, Silvia. Laboratório de Estatística e Geoinformação, 2012. Coeficiente de variação

VIEIRA, S. Introdução à bioestatística. 3 ed. Rio de Janeiro: Campus, 2008.

Você também pode gostar