08. Dispersão e estatística robusta

Dispersão é a metade esquecida do resumo estatístico — e a que mais depende de hipóteses. Variância e desvio padrão descrevem bem distribuições comportadas e se deixam dominar por poucos valores extremos; IQR e MAD trocam eficiência por resistência. Este capítulo trata das quatro medidas, das unidades que elas carregam e das interpretações que não se sustentam.

O percurso começa pelo contato cuidadoso com os dados. A disciplina ensina a reconhecer tipos, qualidade, distribuições, relações, vieses e limites antes de construir conclusões ou modelos. Este é o capítulo 8 de 24 da disciplina Análise Exploratória de Dados. Ele retoma Resumo univariado e tendência central e utiliza essa base para avançar. Na sequência, estudaremos Distribuições, forma e transformações.

O fio condutor

Ciência de Dados começa com uma pergunta e termina com uma decisão que precisa ser compreendida, avaliada e acompanhada. Entre esses dois pontos, dados são coletados, examinados e transformados; métodos são escolhidos; resultados são validados; e limitações são comunicadas. Nenhuma etapa compensa automaticamente uma falha grave ocorrida na etapa anterior.

Neste capítulo, use Dispersão e estatística robusta para acompanhar três dimensões: o problema que se deseja resolver, a evidência disponível e o critério usado para avaliar o resultado. Essa separação ajuda a evitar soluções tecnicamente sofisticadas que não respondem à necessidade real.

Variância

Começamos por Variância, pois essa base organiza os conceitos e exemplos que aparecerão no restante do capítulo.

A variância resume os desvios quadráticos em torno da média — e, por elevar ao quadrado, fica expressa na unidade da variável ao quadrado: reais ao quadrado, minutos ao quadrado. Isso a torna difícil de interpretar diretamente e é a razão de existir o desvio padrão.

Desvio padrão

Depois de compreender Variância, passamos a Desvio padrão. A nova seção acrescenta outra etapa ao mesmo raciocínio e mostra como as decisões anteriores influenciam as próximas.

O desvio padrão é a raiz quadrada da variância e, por isso, volta à unidade original da variável — o que o torna a medida de dispersão mais comunicável. Ele deve ser lido junto à forma da distribuição, e não como número autônomo.