Coeficiente de Variação: o que é, quando usar e como cai nas provas

Duas turmas fizeram a mesma prova. A turma A teve desvio padrão de 1,2 ponto. A turma B teve desvio padrão de 8 pontos. Qual delas é mais heterogênea?

Se você respondeu a “B”, caiu na armadilha mais comum de medidas de dispersão. Falta uma informação: a média de cada turma. Se a turma A tirou média 2,0 e a turma B tirou média 80,0, a situação se inverte completamente.

É exatamente esse problema que o coeficiente de variação resolve. E é por isso que ele aparece em prova de forma muito mais sofisticada do que “calcule o CV desses cinco números”.

Neste artigo você vai ver a definição formal, as propriedades que as bancas exploram, as aplicações reais (com destaque para amostragem, onde o CV é a métrica oficial de qualidade do IBGE) e questões resolvidas da Olimpíada Brasileira de Estatística, da FGV, da FCC e da Cesgranrio.

O que é o coeficiente de variação

O coeficiente de variação é uma medida de dispersão relativa. Ele expressa o desvio padrão como uma fração (ou percentual) da média.

Na população:

$$CV = \frac{\sigma}{\mu}$$

Na amostra:

$$\widehat{CV} = \frac{s}{\overline{x}}$$

Multiplicando por 100, temos o resultado em percentual:

$$CV(\%) = \frac{s}{\overline{x}} \times 100$$

Três características definem o CV:

É adimensional. O desvio padrão está na mesma unidade dos dados. A média também. Na divisão, as unidades se cancelam.
É relativo. Mede a dispersão por unidade de média, não em termos absolutos.
É comparável entre conjuntos diferentes. Você pode comparar a variabilidade do salário (em reais) com a da altura (em centímetros), coisa impossível com desvio padrão.

Voltando ao exemplo da abertura:

Turma	Média	Desvio padrão	CV
A	2,0	1,2	60%
B	80,0	8,0	10%

A turma A é seis vezes mais heterogênea que a B, apesar de ter o menor desvio padrão. É esse tipo de inversão que a banca adora cobrar.

Por que o desvio padrão sozinho não resolve

O desvio padrão responde à pergunta “quanto os dados se afastam da média, em média?”. A resposta vem carregada de unidade e de escala, o que gera dois problemas práticos:

Problema de unidade. Um desvio padrão de 5 kg e um de 5 metros não são comparáveis. Não existe “maior” entre eles.
Problema de escala. Um desvio padrão de R$ 500,00 é enorme no salário de um estagiário e é irrelevante no patrimônio de uma empresa.

O CV neutraliza os dois de uma vez, porque divide o desvio padrão pela própria escala do fenômeno.

Como interpretar o valor do CV

Não existe regra universal, mas há uma convenção bastante usada na literatura brasileira e cobrada em prova:

Faixa	Classificação	Leitura prática
CV < 15%	Baixa dispersão	Dados homogêneos, média representativa
15% a 30%	Dispersão média	Média ainda útil, com ressalvas
CV ≥ 30%	Alta dispersão	Dados heterogêneos, a média esconde mais do que mostra

Em experimentação agrícola, a classificação de Pimentel Gomes é a mais citada: até 10% baixo, de 10% a 20% médio, de 20% a 30% alto e acima de 30% muito alto.

Atenção na prova: quando a banca não fornece nenhuma tabela de referência, ela quase sempre está cobrando apenas a comparação relativa entre dois ou mais conjuntos. Menor CV significa maior homogeneidade, ponto final. Não invente faixas que o enunciado não deu.

As propriedades que a banca realmente cobra

Aqui está o coração das questões difíceis. Guarde estas quatro regras.

1. O CV é invariante a mudanças de escala

Se todos os valores são multiplicados por uma constante positiva $a$:

$$Y = aX \Rightarrow \overline{y} = a\overline{x} \quad \text{e} \quad s_y = a \cdot s_x$$

Logo:

$$CV_Y = \frac{a \cdot s_x}{a \cdot \overline{x}} = \frac{s_x}{\overline{x}} = CV_X$$

Dobre todos os salários, converta de reais para dólares, passe de metros para centímetros: o CV não muda. Essa propriedade sozinha resolve várias questões de prova sem nenhuma conta.

2. O CV não é invariante a mudanças de origem

Se você soma uma constante $b$ a todos os valores:

$$Y = X + b \Rightarrow \overline{y} = \overline{x} + b \quad \text{e} \quad s_y = s_x$$

O desvio padrão fica igual, mas a média muda. Então:

$$CV_Y = \frac{s_x}{\overline{x} + b} \neq CV_X$$

Com $b > 0$, o CV diminui. Com $b < 0$, o CV aumenta.

Essa é a armadilha clássica: aumento salarial percentual não altera o CV, mas aumento salarial de valor fixo altera. Marque isso, porque cai direto.

3. O CV pressupõe escala de razão e média positiva

O CV só faz sentido em variáveis com zero absoluto (peso, renda, tempo, altura, contagens). Em escala intervalar, como temperatura em Celsius, o resultado é sem significado: a mesma temperatura em Kelvin daria um CV completamente diferente, porque o zero foi arbitrado.

Além disso:

Se a média tende a zero, o CV explode para o infinito.
Se a média é negativa, o CV fica negativo, o que não tem interpretação como dispersão. Boa parte dos autores define o CV com módulo no denominador justamente para evitar isso.

4. O CV é uma medida de dispersão, não de posição

Parece óbvio, mas é a alternativa errada mais escolhida em questões conceituais. O CV usa a média no denominador, mas classifica-se como medida de dispersão relativa.

Quando usar e quando não usar

Use o CV quando:

Comparar variabilidade entre grupos com médias muito diferentes.
Comparar variabilidade entre variáveis em unidades diferentes.
Avaliar risco relativo em finanças (risco por unidade de retorno esperado).
Avaliar precisão de um método de medição ou de um estimador amostral.
Verificar homogeneidade de um processo ou de um experimento.

Não use o CV quando:

A variável está em escala intervalar (temperatura em Celsius, datas de calendário).
A média está próxima de zero ou pode ser negativa.
Existem valores negativos misturados com positivos (saldos, retornos que podem ser negativos).
Você precisa de robustez a valores extremos. Média e desvio padrão são sensíveis a outliers, e o CV herda essa fragilidade.

Aplicações práticas

Finanças. Dois fundos com retornos esperados diferentes não podem ser comparados pelo desvio padrão. O CV mede risco por unidade de retorno esperado: quanto maior o CV, pior a relação risco-retorno.

Controle de qualidade e laboratório. O CV é o padrão para expressar precisão analítica. Ensaios clínicos reportam CV intraensaio e CV interensaio como critério de aceitação do método.

Experimentação agronômica. O CV do experimento sinaliza se o delineamento foi bem conduzido. CV muito alto indica que o erro experimental engoliu o efeito dos tratamentos.

Gestão pública. Comparar a variabilidade do tempo de tramitação de processos entre varas, unidades ou regionais, quando as médias são diferentes, só é honesto em termos relativos.

Educação. Comparar dispersão de notas entre provas com escalas distintas (0 a 10, 0 a 100, 0 a 1000).

Coeficiente de variação em amostragem

Aqui está a aplicação que quase ninguém estuda e que separa o candidato mediano do aprovado em cargo de estatístico ou de auditor. Em amostragem, o CV muda de objeto: ele deixa de descrever os dados e passa a descrever a precisão do estimador.

O CV do estimador

Seja $\widehat{\theta}$ um estimador de um parâmetro $\theta$ (um total, uma média, uma proporção). Define-se:

$$CV(\widehat{\theta}) = \frac{\sqrt{V(\widehat{\theta})}}{\theta} \approx \frac{EP(\widehat{\theta})}{\widehat{\theta}}$$

Ou seja, é o erro padrão dividido pela estimativa. Ele responde: o erro amostral representa que fração da grandeza estimada?

	CV descritivo	CV do estimador
Numerador	Desvio padrão dos dados	Erro padrão da estimativa
Denominador	Média dos dados	Valor estimado
Mede	Heterogeneidade da população	Precisão da pesquisa
Cresce quando	Os dados são dispersos	A amostra é pequena ou o domínio é raro

O padrão adotado pelo IBGE

Isso não é teoria de livro. O IBGE publica estimativas de coeficiente de variação para todos os indicadores divulgados da PNAD Contínua, calculando as variâncias pelo método do conglomerado primário com linearização de Taylor. E existe um limite operacional: o valor de 15% é adotado como referência de boa precisão para divulgação de estimativas amostrais.

A consequência prática é direta. Quando o IBGE desagrega um indicador em recortes muito finos (um município pequeno, uma faixa etária estreita, uma categoria rara de ocupação), o CV estimado cresce. Se ultrapassa o limite de qualidade, o instituto suprime o domínio de divulgação ou publica a estimativa com ressalva. Foi exatamente o que aconteceu durante a pandemia, quando a queda na taxa de resposta obrigou a reduzir desagregações.

Guarde a frase para prova discursiva: o coeficiente de variação do estimador é o critério de publicabilidade de uma estatística oficial.

Dimensionamento de amostra por erro relativo

Esta é a aplicação de cálculo mais cobrada. Quando o objetivo é fixar um erro relativo $d$ (por exemplo, errar no máximo 5% do valor estimado) em vez de um erro absoluto, o tamanho de amostra sai direto do CV populacional:

$$n_0 = \frac{z_{\alpha/2}^{2} \cdot CV^{2}}{d^{2}}$$

E, com população finita de tamanho $N$, aplica-se a correção:

$$n = \frac{n_0}{1 + \dfrac{n_0}{N}}$$

Exemplo numérico. Um estudo piloto indicou que a renda domiciliar de um município tem CV de 90%. Quanto de amostra é preciso para estimar a renda média com erro relativo de 5% e 95% de confiança?

$$n_0 = \frac{(1{,}96)^2 \times (0{,}90)^2}{(0{,}05)^2} = \frac{3{,}8416 \times 0{,}81}{0{,}0025} \approx 1.245$$

Se o erro relativo aceitável subir para 10%:

$$n_0 = \frac{3{,}8416 \times 0{,}81}{(0{,}10)^2} \approx 312$$

Dobrar a tolerância de erro reduz a amostra a um quarto. O tamanho amostral cresce com o quadrado do CV e cai com o quadrado do erro relativo. Essa relação quadrática é assunto recorrente de prova.

O CV da proporção e o problema dos eventos raros

Para a proporção amostral $\widehat{p}$ em amostragem aleatória simples:

$$CV(\widehat{p}) = \frac{\sqrt{p(1-p)/n}}{p} = \sqrt{\frac{1-p}{np}}$$

Olhe o que essa fórmula diz. Com $n = 2.000$:

Proporção verdadeira	CV do estimador
p = 0,50	2,2%
p = 0,10	6,7%
p = 0,02	15,7%
p = 0,005	31,5%

A mesma amostra que estima com excelência um fenômeno frequente estima com péssima precisão um fenômeno raro. É por isso que pesquisas domiciliares não conseguem publicar indicadores de subgrupos pequenos sem aumentar drasticamente a amostra ou recorrer a estimação para pequenas áreas.

Onde mais o CV aparece no desenho amostral

Estratificação e alocação. Na alocação de Neyman, o tamanho de cada estrato é proporcional a $N_h \sigma_h$. Quando os estratos têm médias muito diferentes, expressar a heterogeneidade em termos de CV por estrato ajuda a decidir onde concentrar a amostra.
Estimador de razão. A variância relativa se escreve em função dos CVs do numerador e do denominador e da correlação entre eles: $CV^2(\widehat{R}) \approx CV_y^2 + CV_x^2 – 2\rho\, CV_y CV_x$. Quanto maior a correlação, maior o ganho sobre o estimador simples.
Amostragem em auditoria. Em auditoria por unidade monetária, populações de valores contábeis costumam ter CV altíssimo (poucos itens de valor enorme). CV alto é o argumento técnico para estratificar por valor ou usar seleção com probabilidade proporcional ao tamanho.
Estudos piloto. O CV é o parâmetro que o piloto existe para estimar. Sem ele, não há como dimensionar a amostra definitiva por erro relativo.

Questões reais de concurso resolvidas

FGV, 2023, TJ-SE, Analista Judiciário (Estatística)

A medida utilizada para comparar a variabilidade de variáveis com diferentes desvios padrões e diferentes médias é:

Gabarito: coeficiente de variação.

Questão conceitual pura, e a FGV faz muito isso. A expressão “diferentes desvios padrões e diferentes médias” é a assinatura do CV. Se fossem médias iguais, bastaria o desvio padrão. Escore-z compara observações, não conjuntos. Quartil e percentil são separatrizes, medidas de posição.

FGV, 2023, TCE-ES, Auditor de Controle Externo (Estatística)

Foram extraídas, de duas populações normais distintas, X e Y, duas amostras de 35 elementos cada. A amostra da população X apresentou variância amostral igual a 104, o que produziu um intervalo bilateral de 95% de confiança para a variância de, aproximadamente, [68; 176,8]. A amostra da população Y apresentou média amostral igual a 5 e coeficiente de variação amostral igual a 2. Determine o intervalo bilateral de 95% de confiança aproximado para a variância da população Y.

Esta é a melhor questão do artigo, porque combina CV com inferência. O truque tem dois passos.

Passo 1: extrair a variância de Y a partir do CV.

$$\widehat{CV} = \frac{s}{\overline{x}} \Rightarrow s_Y = \widehat{CV} \times \overline{y} = 2 \times 5 = 10 \Rightarrow s_Y^2 = 100$$

Passo 2: reaproveitar o intervalo de X por proporcionalidade.

O intervalo de confiança para a variância é

$$\left[\frac{(n-1)s^2}{\chi^2_{\alpha/2}} \;;\; \frac{(n-1)s^2}{\chi^2_{1-\alpha/2}}\right]$$

Como as duas amostras têm o mesmo $n = 35$ e o mesmo nível de confiança, os quantis qui-quadrado são idênticos. Os limites são, portanto, diretamente proporcionais a $s^2$. Não é preciso consultar tabela nenhuma:

$$\frac{68}{104} \approx 0{,}6538 \qquad \frac{176{,}8}{104} = 1{,}70$$

Aplicando os mesmos fatores a $s_Y^2 = 100$:

$$IC_{95\%}(\sigma_Y^2) \approx [65{,}4 \;;\; 170]$$

A armadilha: o candidato despreparado vai procurar a tabela qui-quadrado e perder cinco minutos. Quem enxerga a proporcionalidade resolve em quarenta segundos. Esse é o estilo FGV para cargo de auditor.

FCC, 2010, SEFIN-RO, Auditor Fiscal de Tributos Estaduais

A média aritmética de todos os salários dos funcionários em uma repartição pública é igual a R$ 1.600,00. Os salários dos funcionários do sexo masculino apresentam desvio padrão de R$ 90,00 com coeficiente de variação igual a 5%. Os salários do sexo feminino apresentam desvio padrão de R$ 60,00 com coeficiente de variação igual a 4%. Escolhendo aleatoriamente um funcionário desta repartição, a probabilidade dele ser do sexo feminino é igual a:

Repare no encadeamento: o CV entra como ferramenta para recuperar as médias, e a resposta final é uma probabilidade.

Passo 1: recuperar as médias usando o CV.

$$\mu = \frac{\sigma}{CV} \Rightarrow \mu_H = \frac{90}{0{,}05} = 1.800 \qquad \mu_M = \frac{60}{0{,}04} = 1.500$$

Passo 2: usar a média geral como média ponderada. Sejam $H$ e $M$ as quantidades de homens e mulheres:

$$\frac{1.800H + 1.500M}{H + M} = 1.600 \Rightarrow 200H = 100M \Rightarrow M = 2H$$

Passo 3: calcular a probabilidade.

$$P(\text{feminino}) = \frac{M}{H + M} = \frac{2H}{3H} = \frac{2}{3} \approx 0{,}667$$

Gabarito: 2/3.

FCC, 2013, Sergipe Gás S.A., Administrador

Em uma empresa pública há 150 funcionários do sexo masculino e 100 do sexo feminino. As médias aritméticas dos salários dos funcionários do sexo masculino e feminino são iguais. Os coeficientes de variação dos salários são, respectivamente, 0,15 e 0,10. O desvio padrão dos salários do sexo masculino supera em 40 reais o desvio padrão dos salários do sexo feminino. Nessas condições, o quadrado do coeficiente de variação de todos os funcionários da empresa é igual a:

Passo 1: achar a média comum. Como as médias são iguais a $\mu$:

$$\sigma_H = 0{,}15\mu \qquad \sigma_M = 0{,}10\mu$$

$$\sigma_H – \sigma_M = 40 \Rightarrow 0{,}05\mu = 40 \Rightarrow \mu = 800$$

Logo $\sigma_H = 120$ e $\sigma_M = 80$.

Passo 2: usar a decomposição da variância. Aqui está a sacada. A variância total se decompõe em variância dentro dos grupos mais variância entre os grupos. Como as médias dos dois grupos são iguais, a variância entre grupos é zero e a média geral também é 800. Sobra apenas a média ponderada das variâncias:

$$\sigma^2 = \frac{150 \times 120^2 + 100 \times 80^2}{250} = \frac{2.160.000 + 640.000}{250} = 11.200$$

Passo 3: montar o CV ao quadrado.

$$CV^2 = \frac{\sigma^2}{\mu^2} = \frac{11.200}{800^2} = \frac{11.200}{640.000} = 0{,}0175$$

Gabarito: 0,0175.

A armadilha: quem tenta fazer a média dos CVs (0,15 com 0,10) erra. CV não é aditivo nem ponderável diretamente. Sempre volte para variância e média.

Cesgranrio, 2024, IPEA, Técnico em Ciência de Dados

Considere uma comunidade na qual o coeficiente de variação populacional (CV) da renda de seus indivíduos é de 20%. Um conjunto de políticas públicas que elevasse a renda de todos esses indivíduos em 10% provocaria, no CV:

a) uma redução, passando a ser de 10%
b) uma redução, passando a ser de 18%
c) um aumento, passando a ser de 22%
d) um aumento, passando a ser de 30%
e) nem redução, nem aumento

Aplicação direta da propriedade 1. “Elevar a renda em 10%” significa multiplicar todos os valores por 1,1:

$$\mu’ = 1{,}1\mu \qquad \sigma’ = 1{,}1\sigma \qquad CV’ = \frac{1{,}1\sigma}{1{,}1\mu} = \frac{\sigma}{\mu} = 20\%$$

Gabarito: alternativa E.

A leitura que vale ponto na discursiva: um aumento percentual uniforme não altera a desigualdade relativa da renda. Se o objetivo da política é reduzir desigualdade, o instrumento teria que ser um aumento de valor fixo para todos, que aumenta a média sem mexer no desvio padrão e, portanto, derruba o CV. Essa é a diferença entre reajuste linear e piso salarial, dentro de uma questão de estatística descritiva.

Os seis erros que mais derrubam candidato

Concluir pelo desvio padrão. Maior desvio padrão não significa maior variabilidade relativa. Sempre olhe a média.
Confundir soma com multiplicação. Multiplicar todos os valores por uma constante não muda o CV. Somar uma constante muda.
Errar a unidade da resposta. A banca pede em decimal e o candidato responde em percentual, ou o contrário. Leia o comando e olhe as alternativas.
Fazer média de CVs. Nunca combine coeficientes de variação diretamente. Reconstrua média e variância.
Usar CV em escala intervalar. Temperatura em Celsius, ano de calendário, escalas com zero arbitrário. Não faz sentido.
Confundir CV descritivo com CV do estimador. Em questões de amostragem, o numerador é o erro padrão, não o desvio padrão dos dados.

Resumo para revisão

CV é dispersão relativa: desvio padrão dividido pela média, adimensional, geralmente em percentual.
Serve para comparar variabilidade entre conjuntos com médias ou unidades diferentes.
Invariante a mudança de escala (multiplicação), sensível a mudança de origem (soma).
Exige escala de razão e média positiva. Não use com média perto de zero.
Em amostragem, o CV do estimador mede precisão, e o IBGE adota 15% como referência de boa precisão para divulgar estimativas da PNAD Contínua.
O tamanho de amostra por erro relativo é $n_0 = z^2 CV^2 / d^2$, com crescimento quadrático em relação ao CV.
Bancas cobram muito mais propriedades e interpretação do que cálculo bruto.

Continue estudando

Medidas de dispersão são o conteúdo que mais aparece em prova de estatística e, ao mesmo tempo, o que mais gera erro por leitura apressada do enunciado. Se você quer dominar isso com método, resolvendo questões reais das principais bancas e sem precisar decorar fórmula, conheça o curso completo de Estatística para Concursos.

Quero dominar estatística para concursos

Sua próxima ação: pegue as seis questões resolvidas acima, feche o artigo e refaça todas do zero, cronometrando. Se levar mais de três minutos em qualquer uma, o conteúdo ainda não está automatizado. Refaça amanhã.