Desvio padrão: fórmula, o que mede e por que o quadrado

Q: Qual é a fórmula do desvio padrão?

σ = √V, com V sendo a média dos quadrados dos desvios em relação à média.

Q: Por que elevar os desvios ao quadrado?

Porque a soma dos desvios simples é sempre zero; o quadrado impede o cancelamento.

Q: Dois conjuntos com a mesma média têm o mesmo desvio padrão?

Não: (6,6,6,6) e (2,2,10,10) têm média 6 e desvios 0 e 4.

Q: Qual a diferença entre dividir por n e por n−1?

n dá a variância populacional; n−1 dá a amostral, corrigindo viés.

Q: O que é o coeficiente de variação?

A razão entre desvio padrão e média, útil para comparar escalas diferentes.

Q: O desvio padrão pode ser negativo?

Nunca: é raiz de uma soma de quadrados, sempre maior ou igual a zero.

Quais são as fórmulas da variância e do desvio padrão?

Para um conjunto de n valores com média $\overline{x}$ :

Variância

V = \frac{(x_{1} - \overline{x})^{2} + (x_{2} - \overline{x})^{2} + \dots + (x_{n} - \overline{x})^{2}}{n}

A média dos quadrados dos desvios. O quadrado impede que positivos e negativos se cancelem.

Desvio padrão

σ = \sqrt{V}

A raiz da variância, que devolve o resultado à unidade original dos dados. É o número que se interpreta.

Atualizado em ago/2026. Quem te mostra isso é o Universo Narrado, com mais de 1 milhão de inscritos no YouTube. Esta fórmula leva o selo Postulado: é ponto de partida aceito sem demonstração — a pergunta certa é "o que se constrói a partir disso?" Esta é uma das equações já classificadas nos volumes publicados do Guia de Fórmulas Explicadas.

O que significa cada símbolo?

A variância sai em unidade ao quadrado — e é por isso que o desvio padrão existe:

Símbolo	O que é	Unidade / observação
$V$	variância	unidade dos dados ao quadrado
$σ$	desvio padrão	mesma unidade dos dados
$\overline{x}$	média aritmética dos dados	—
$x_{i} - \overline{x}$	desvio de cada valor em relação à média	—

De onde vem a fórmula?

A pergunta central é: por que elevar ao quadrado? A resposta está numa propriedade da média que você já viu — a soma dos desvios é sempre zero.

Tente medir dispersão somando os desvios: os valores acima da média dão desvios positivos, os abaixo dão negativos, e eles se cancelam exatamente. O resultado é zero para qualquer conjunto, disperso ou não. A medida seria inútil.

Elevar ao quadrado resolve, porque quadrado nunca é negativo — nada mais se cancela. E, de bônus, o quadrado penaliza mais os desvios grandes: um valor muito distante da média pesa desproporcionalmente, o que costuma ser desejável.

Por que o quadrado é necessário

\sum (x_{i} - \overline{x}) = 0 sempre \Rightarrow usar \sum (x_{i} - \overline{x})^{2}

A soma dos desvios simples se anula por definição de média. O quadrado impede o cancelamento e torna a medida útil.

E por que tirar a raiz no fim? Por causa da unidade. Se os dados estão em centímetros, os desvios ao quadrado ficam em centímetros quadrados — o que não faz sentido interpretar. A raiz devolve o resultado à unidade original, e por isso o desvio padrão é o número que se reporta, enquanto a variância fica como passo intermediário. Você pode estar pensando: “como eu interpreto o valor?” Como uma distância típica à média. Desvio padrão pequeno significa dados concentrados; grande significa espalhados. E existe uma referência prática útil: em distribuições aproximadamente normais, cerca de 68% dos dados caem a menos de um desvio padrão da média, e cerca de 95% a menos de dois. Selo Postulado: como as médias, a definição de dispersão é uma escolha que funda o capítulo, não um teorema.

Desvio Padrão: o que é, fórmula e cálculo passo a passo

Quando usar (e quando não)?

Use sempre que a média sozinha não bastar — e ela raramente basta. Comparar consistência de dois times, avaliar risco de investimento, controlar qualidade numa fábrica: tudo isso é dispersão, não centro.

Uma leitura útil é o coeficiente de variação, $σ / \overline{x}$ , que expressa a dispersão em relação à média e permite comparar conjuntos de escalas diferentes.

Existe também a variância AMOSTRAL, que divide por $n - 1$ em vez de n. A fórmula com n vale para a população inteira; a com n−1 corrige o viés quando se trabalha com uma amostra. O GFE e a maioria das provas de ensino médio usam n.

Exemplo resolvido

Antes de calcular, prevê: os dois conjuntos têm média 6, mas o segundo tem valores muito mais afastados. O desvio padrão do segundo tem que ser bem maior — e o do primeiro, próximo de zero:

🪖 BásicoMesma média, realidades opostas

Compare a dispersão de A = (6, 6, 6, 6) e B = (2, 2, 10, 10). Ambos têm média 6.

A: todos os desvios são zero, então $V = 0$ e $σ = 0$ .
B: desvios são −4, −4, +4, +4. Ao quadrado: 16, 16, 16, 16.
$V = \frac{16 + 16 + 16 + 16}{4} = 16$ .
$σ = \sqrt{16} = 4$ .

σ = 0

· B:

σ = 4

— mesma média, dispersões opostas

Verificação: bateu com a previsão. E repara no que aconteceria sem o quadrado: em B, a soma dos desvios seria $- 4 - 4 + 4 + 4 = 0$ , indicando dispersão nula — exatamente o oposto da realidade. O quadrado é o que salva a medida. E se B fosse (5, 5, 7, 7)? Os desvios seriam ±1, dando $σ = 1$ : mesma média, dispersão quatro vezes menor que a de B.

Quais os erros mais comuns?

01
Somar os desvios sem elevar ao quadrado
A soma dá sempre zero, por definição de média. A medida seria inútil para qualquer conjunto.
Como evitar: o quadrado não é enfeite: é o que impede o cancelamento entre desvios positivos e negativos.
02
Reportar a variância em vez do desvio padrão
A variância está em unidade ao quadrado — reais ao quadrado, centímetros ao quadrado. Não é interpretável diretamente.
Como evitar: tire a raiz antes de interpretar. A variância é passo intermediário; o desvio padrão é a resposta.
03
Confundir n com n−1
A fórmula com n descreve a população; com n−1 corrige o viés de amostra. Usar a errada muda o resultado, sobretudo com poucos dados.
Como evitar: leia o enunciado: “população” usa n; “amostra” costuma usar n−1. Em prova de ensino médio, quase sempre é n.

FAQ: perguntas sobre a variância e o desvio padrão

Qual é a fórmula do desvio padrão?

$σ = \sqrt{V}$ , onde $V = \frac{\sum (x_{i} - \overline{x})^{2}}{n}$ é a variância — a média dos quadrados dos desvios.

Por que elevar os desvios ao quadrado?

Porque a soma dos desvios simples é sempre zero, por propriedade da média. O quadrado impede o cancelamento e ainda penaliza mais os desvios grandes.

Por que tirar a raiz no final?

Para voltar à unidade original dos dados. A variância fica em unidade ao quadrado, que não é interpretável diretamente.

O que o desvio padrão mede?

A distância típica dos valores em relação à média. Pequeno significa dados concentrados; grande, dados espalhados.

Dois conjuntos com a mesma média têm o mesmo desvio padrão?

Não necessariamente. (6,6,6,6) e (2,2,10,10) têm média 6, mas desvios padrão 0 e 4 — realidades completamente diferentes.

Qual a diferença entre dividir por n e por n−1?

A divisão por n dá a variância populacional; por n−1, a amostral, que corrige o viés quando se estima a dispersão da população a partir de uma amostra.

O que é o coeficiente de variação?

A razão $σ / \overline{x}$ , que expressa a dispersão relativa à média. Serve para comparar conjuntos com escalas ou unidades diferentes.

O desvio padrão pode ser negativo?

Nunca. Ele é a raiz quadrada de uma soma de quadrados dividida por um número positivo — logo, sempre maior ou igual a zero. Zero significa que todos os valores são iguais.

Cursos

Física

Matemática

Fórmulas

Variância e desvio padrão

Quais são as fórmulas da variância e do desvio padrão?

O que significa cada símbolo?

De onde vem a fórmula?

Quando usar (e quando não)?

Exemplo resolvido

Quais os erros mais comuns?

Somar os desvios sem elevar ao quadrado

Reportar a variância em vez do desvio padrão

Confundir n com n−1

FAQ: perguntas sobre a variância e o desvio padrão

Continue no Guia de Fórmulas

Guia de Fórmulas Explicadas

Média aritmética

Média ponderada

Desigualdade das médias

Fórmulas de Matemática