O que é a variância? O que ele mede?

Passo 1

O que o enunciado pede:
  • Explicar o que é a variância.
  • Explicar o que a variância mede.
Informações dadas:
  • Nenhuma informação numérica foi fornecida; é uma pergunta conceitual.

Passo 2

Definição formal (distribuição ou população). Vou começar definindo de forma direta e depois explico cada símbolo.
A variância de uma variável aleatória X é
\operatorname{Var}(X)=\mathbb{E}\big[(X-\mu)^2\big],
onde \mu=\mathbb{E}[X] é a esperança (média) de X e \mathbb{E} significa valor esperado (média teórica).
Explicando cada parte:
  • \mathbb{E}[X] é a média de X: a soma (ou integral) dos valores de X ponderada pelas suas probabilidades.
  • X-\mu é o desvio de X em relação à média.
  • (X-\mu)^2 é o quadrado desse desvio (toma sempre valor não negativo e penaliza desvios maiores).
  • A esperança \mathbb{E}[\cdot] de (X-\mu)^2 é a média desses quadrados dos desvios — isso dá a variância.

Passo 3

Versão para amostra de dados (quando temos observações finitas). Para dados x_1,x_2,\dots,x_n com média amostral \bar{x}=\dfrac{1}{n}\sum_{i=1}^{n}x_i, existem duas fórmulas úteis:
  • Variância populacional (quando se trata de toda a população)
\sigma^2=\frac{1}{n}\sum_{i=1}^{n}(x_i-\bar{x})^2.
  • Variância amostral corrigida (estimador imparcial da variância da população)
s^2=\frac{1}{n-1}\sum_{i=1}^{n}(x_i-\bar{x})^2.
A diferença é o divisor: \,n para a população, \,n-1 para estimar a variância da população a partir de uma amostra (correção de Bessel).

Passo 4

Interpretação intuitiva do que a variância mede. Em palavras simples:
  • A variância mede a dispersão dos valores em torno da média; é a “média dos quadrados dos desvios”.
  • Quanto maior a variância, mais espalhados estão os dados em relação à média.
  • Como usa quadrados, a variância tem unidades ao quadrado (por exemplo, se os dados estão em metros, \operatorname{Var} está em metros ao quadrado), por isso costuma-se usar o desvio padrão para leitura na mesma unidade.

Passo 5

Relação com o desvio padrão e fórmula alternativa. O desvio padrão \sigma é a raiz quadrada da variância:
\sigma=\sqrt{\operatorname{Var}(X)}.
Fórmula útil para cálculo:
\operatorname{Var}(X)=\mathbb{E}[X^2]-\big(\mathbb{E}[X]\big)^2.
Para amostra:
\frac{1}{n}\sum_{i=1}^{n}x_i^2-\left(\frac{1}{n}\sum_{i=1}^{n}x_i\right)^2
é equivalente à variância populacional e às vezes é mais fácil computar por soma de quadrados.

Passo 6

Exemplo numérico passo a passo (dados pequenos, fácil de fazer sem calculadora). Considere os dados 2,4,6,8.
  1. Calcular a média:
\bar{x}=\frac{2+4+6+8}{4}=\frac{20}{4}=5.
  1. Calcular os desvios e seus quadrados:
2-5=-3,\quad (-3)^2=9;
4-5=-1,\quad (-1)^2=1;
6-5=1,\quad 1^2=1;
8-5=3,\quad 3^2=9.
  1. Somar os quadrados: 9+1+1+9=20.
  2. Variância populacional:
\sigma^2=\frac{20}{4}=5.
  1. Variância amostral (estimador imparcial):
s^2=\frac{20}{4-1}=\frac{20}{3}\approx6,666\ldots
Observação: usando a fórmula alternativa, \frac{1}{n}\sum x_i^2=\frac{4+16+36+64}{4}=\frac{120}{4}=30, e então \operatorname{Var}=30-5^2=30-25=5, que confere.

Passo 7

Propriedades importantes e dicas para prova:
  • \operatorname{Var}(X)\ge 0; \operatorname{Var}(X)=0 se, e somente se, X é praticamente constante.
  • Escala: \operatorname{Var}(aX+b)=a^2\operatorname{Var}(X). Assim, multiplicar os dados por a multiplica a variância por a^2.
  • Soma de independentes: se X e Y são independentes, \operatorname{Var}(X+Y)=\operatorname{Var}(X)+\operatorname{Var}(Y).
  • A variância é sensível a outliers (porque usa quadrados) — isso é vantagem quando se quer penalizar grandes desvios, mas uma desvantagem se houver valores extremos indesejados.
    Dica prática na prova: calcule a média, depois some os quadrados dos desvios; se for estimar a variância da população a partir de amostra use o divisor n-1.

Passo 8

Resumo didático curto (para ficar na cabeça): pense na variância como “a média dos quadrados das distâncias dos pontos até a média”. É a medida padrão de quão espalhados estão os dados, usando quadrados para que desvios positivos e negativos não se cancelem e para acentuar desvios maiores.

Resposta

A variância é a média dos quadrados dos desvios em relação à média e pode ser escrita como \operatorname{Var}(X)=\mathbb{E}\big[(X-\mu)^2\big].
Ela mede a dispersão dos valores em torno da média (ou seja, o quanto os dados estão espalhados); valores maiores de variância indicam maior espalhamento.

Exercícios relacionados