O coeficiente de variação na prática
Muita gente aprende a calcular o desvio padrão e para aí. Mas desvio padrão sozinho não te diz quase nada sobre consistência quando você está comparando grupos diferentes ou lidar com unidades distintas. É aí que entra a fórmula do coeficiente de variação, que simplesmente normaliza a dispersão em relação à média, expressando-a como porcentagem. A fórmula é CV = (desvio padrão / média) × 100. Ou, se você quiser ver do jeito que aparece em livros, CV = / × 100 para população ou CV = s/x × 100 para amostra. O resultado é adimensional e permite comparação direta entre conjuntos de dados com escalas completamente diferentes.
Como aplicar a fórmula do coeficiente de variação em dados reais
Vou dar um exemplo prático. Suponha que você tenha dois lotes de produção: lote A com média de 120 unidades e desvio padrão de 8, e lote B com média de 450 unidades e desvio padrão de 22. O desvio padrão de B é quase três vezes maior que o de A, mas isso não significa que B seja mais instável. O coeficiente de variação mostra a verdade: lote A tem CV de 6,67%, enquanto lote B tem CV de 4,89%. B é proporcionalmente mais consistente. Isso parece simples até você deparar com dados reais. Enfrentei um caso específico há alguns meses: trabalhava com medições de temperatura em câmaras frigoríficas onde os valores podiam cair abaixo de zero. A média estava próxima de 0°C e o coeficiente de variação disparava para valores absurdo, tipo 340%, porque o denominador estava se aproximando de zero. Esse é um problema conhecido da métrica: quando a média tende a zero, o CV perde todo o sentido prático.
O workaround que usei foi calcular um CV ajustado usando o valor absoluto da média como denominador, mas apenas como referência interna. Na hora de apresentar resultados, abandonei completamente essa métrica e passei a usar o intervalo interquartil normalizado pelo desvio interquartil, que é muito mais robusto perto de zeros. Se seu dado tem média próxima de zero, o coeficiente de variação não deve ser usado de forma alguma. Não adianta forçar. Ao calcular manualmente, os passos são straightforward: some todos os valores, divida pela quantidade para achar a média, calcule o desvio padrão usual (raiz quadrada da variância), divida o desvio pela média e multiplique por 100. No Excel ou Google Sheets, fica ainda mais rápido com as fórmulas =PV() e =MÉDIA(). Um arquivo de exemplo contendo dados de lotes de produção, seus desvios padrão, médias e coeficientes calculados automaticamente pode ser baixado neste link: coeficiente_variacao_exemplo.xlsx.
👉 Clique no botão abaixo para saber mais sobre o assunto!
Existem nuances que quem só leu textbook geralmente ignora. Primeiro, o coeficiente de variação não é simétrico: trocar o papel de referência entre dois conjuntos não dá o mesmo número. Segundo, ele assume que os dados são positivos e que a escala é de razão. Dados nominais ou ordinais simplesmente não fazem sentido com essa métrica. Outro ponto que causa confusão recorrente: muitas pessoas usam CV para comparar estabilidade de processos com médias drasticamente diferentes e concluem que um processo é melhor porque tem CV menor. Mas se os processos produzem coisas fundamentalmente diferentes, a comparação é ilusória. CV compara variabilidade relativa dentro de cada conjunto, não qualidade do resultado.
Também vale lembrar que CV sensível a outliers de forma não linear. Um único ponto extremo pode inflar o desvio padrão sem afetar a média tanto assim, e o CV sobe sem refletir a distribuição real dos dados. Nesses casos, usar o coeficiente de variação da mediana, que divide o desvio absoluto mediano pela mediana, costuma ser mais honesto. Depende do que você precisa mostrar. Onde o coeficiente de variação realmente brilha é em controle de qualidade, finanças (comparar risco-retorno entre ativos de preços diferentes) e agronomia, onde se compara a variabilidade de culturas em condições ambientais distintas. Em laboratórios analíticos também é padrão para avaliar a precisão de métodos de medição.
Se você está começando a trabalhar com essa métrica, o mais seguro é sempre reportar junto a ela a média e o desvio padrão absolutos, além do tamanho da amostra. CV sozinho é informação truncada e pode levar a decisões erradas.
