O documento discute estratificação de dados e folhas de verificação. A estratificação consiste na divisão de dados em subgrupos com base em fatores como equipamentos, insumos, pessoas e métodos. Folhas de verificação são usadas para coletar e organizar dados de forma a otimizar posterior análise.
3. A estratificação consiste na divisão de um grupo em diversos
subgrupos com base em fatores apropriados, os quais são
conhecidos como fatores de estratificação. As principais causas
que atuam nos processos produtivos constituem fatores de
estratificação de um conjunto de dados (WERKEMA, 1995)
Tempo Local Tipo Sintoma Indivíduo
Os fatores equipamentos, insumos, pessoas, métodos, medidas e
condições ambientais são categorias naturais para a
estratificação dos dados
Conceito
5. Utilizada para facilitar e organizar o processo de coleta e registro
de dados de forma a contribuir para otimizar a posteriori a análise
dos dados obtidos
Uma folha de verificação é um formulário no qual os itens a serem
examinados já estão impressos, com o objetivo de facilitar a coleta
e o registro dos dados
Em uma folha de controle é importante especificar claramente o
tipo de dados a serem coletados, o número da parte ou operação,
a data, o analista, e quaisquer outras informações úteis ao
diagnóstico da causa de um fraco desempenho
WERKEMA (1995)
Conceito
6. Tipos de Folha
Distribuição de um item de controle de um processo produtivo
Classificação
Localização de defeitos
Identificação de causas de defeitos
9. Utilizada para subdividir uma determinada característica de
interesse em suas diversas categorias, tais como aquela
empregada para a classificação de itens defeituosos segundo os
tipos de defeitos observados
Classificação de defeitos
Modos de falhas de máquinas
Reclamações de clientes
Paradas de produção
Tipos de Folha
Classificação
11. Útil para identificar a ocorrência de
defeitos relacionados à aparência
externa de produtos acabados, tais
como arranhões, rebarbas, bolhas e
manchas. Neste tipo de folha de
verificação é mais fácil encontrar as
causas dos defeitos
Tipos de Folha
Localização de Defeitos
13. Tipos de Folha
Identificação de causas e defeitos
Similar a folha de verificação
por classificação, com a
diferença de permitir uma
estratificação ainda mais
ampla dos fatores que
constituem o processo
considerado, o que facilita a
identificação do defeito
14. Recomendações
Defina o objetivo da coleta de dados
Determine o tipo de folha de verificação a ser utilizado
Estabeleça um título apropriado para a folha de verificação
Inclua campos para o registro dos nomes e códigos dos setores
Inclua campos para o registro dos nomes e códigos dos produtos
Inclua campos para a identificação do (s) responsável (is)
Apresente na folha instruções simplificadas para o preenchimento
15. Recomendações
Conscientize os envolvidos no processo de obtenção dos dados do
objetivo e da importância da coleta
Informe aos envolvidos exatamente o que, onde, quando e como
será medido
Instrua todos os envolvidos na coleta de dados sobre a forma de
preenchimento da folha de verificação
Certifique-se de que todos os fatores de estratificação de interesse
tenham sido incluídos na folha de verificação
Execute um pré-teste antes de passar a usar a folha de verificação
16. O princípio de Pareto estabelece que os problemas da qualidade,
traduzidos sob a forma de perdas, podem ser classificados em
duas categorias:
Gráfico de barras verticais que dispõe a informação de forma a
tornar evidente e visual a priorização de temas e/ou metas
numéricas viáveis de serem alcançadas
Poucos vitais
Muitos triviais
Conceito (paramos aqui em 17/07)
17. O princípio de Pareto estabelece que um problema pode ser
atribuído a um pequeno número de causas. Logo, se forem
identificadas as poucas causas vitais dos poucos problemas vitais
enfrentados pela a empresa, será possível eliminar quase todas as
perdas por meio de um pequeno número de ações
O gráfico de Pareto dispõe a informação de forma a permitir a
concentração dos esforços para melhoria nas áreas onde os
maiores ganhos podem ser obtidos
Conceito
18. Aumento do número de lentes defeituosas produzidas pela
empresa a partir de fevereiro de 1995
Problema
Plotar o gráfico de Pareto de acordo com a
seguinte tabela de dados
Construção
19. Coluna 1 Coluna 2 Coluna 3 Coluna 4 Coluna 5
Tipo de defeito
Quantidade
de defeitos
Total
acumulado
% do total geral % acumulado
Revestimento inadequado 55 55 43,3 43,3
Trinca 41 96 32,3 75,6
Arranhão 12 108 9,4 85,0
Fina ou grossa 11 119 8,7 93,7
Não-acabada 5 124 3,9 97,6
Outros 3 127 2,4 100,0
Total 127 - 100,0 -
Construção
21. Coluna 1 Coluna 2 Coluna 3 Coluna 4 Coluna 5
Tipo de defeito
Quantidade
de defeitos
Total
acumulado
% do total geral % acumulado
Arranhão 14 14 27,45 27,45
Trinca 6 20 11,76 39,21
Revestimento inadequado 8 28 15,69 54,9
Fina ou Grossa 12 40 23,53 78,43
Não-acabada 7 47 13,72 92,15
Outros 4 51 7,85 100,0
Total 51 - 100,0 -
Defeitos encontrados em uma amostra de lentes fabricadas durante uma
semana de produção após a adoção de medidas corretivas
Construção
22. Total de defeitos “antes” – Total de defeitos “após”
Melhoria Total =
(%) Total de defeitos “antes”
Melhoria Total = 59,8%
24. a) Definição do tipo de problema a ser estudado
b) Listagem dos possíveis fatores de estratificação do problema
c) Estabelecimento do método e período de coleta de dados
d) Elaboração de uma lista de verificação para a coleta de dados
e) Preenchimento da lista de verificação e registro da categoria e da freqüência
f) Elaboração de planilha de dados para o gráfico de pareto com as seguintes
colunas: categorias, quantidades, totais acumulados, % do total geral e %
acumulada
g) Preenchimento da planilha de dados listando as categorias (decrescente)
Coleta e preparo dos dados
Construção
25. a) Traço de dois eixos verticais de mesmo comprimento e um eixo horizontal
b) Marcação no eixo vertical do lado esquerdo (ou direito) com a escala de zero
até o total da coluna quantidade (Q) da planilha de dados, identificando o
nome da variável representada neste eixo e a unidade de medida utilizada,
caso necessário
c) Marcação no eixo vertical do lado direito (ou esquerdo) com uma escala de
zero até 100%, identificando o eixo como percentagem acumulada (%)
d) Divisão do eixo horizontal em um número de intervalos igual ao número de
categorias constantes na planilha de dados
e) Identificação de cada intervalo do eixo horizontal escrevendo os nomes das
categorias, na mesma ordem em que eles aparecem na planilha de dados
Coleta e preparo dos dados
Construção
26. f) Construção do gráfico de barras utilizando a escala do eixo vertical do lado
esquerdo
g) Construção da curva de Pareto marcando os valores acumulados, acima e no
lado direito do intervalo de cada categoria, e ligue os pontos por segmentos de
retas
h) Registre outras informações que devam constar no gráfico, tais como título,
período de coleta de dados, número total de itens inspecionados, objetivo do
estudo realizado, entre outros
Coleta e preparo dos dados
Construção
29. Tipos
Gráficos de Pareto para Causas
Equipamentos Insumos Informação do processo ou medidas
Condições ambientais
Pessoas Métodos e procedimentos
30. Observações sobre a construção e o uso de Gráficos de Pareto
Gráficos de Pareto para variáveis expressas em unidades
monetárias
O custo é um importante indicador a ser considerado durante a
construção de um gráfico de Pareto para a identificação dos
poucos problemas vitais
O custo resultante da ocorrência dos defeitos de cada tipo
considerado, que deverá substituir a coluna 2 (quantidade) da
planilha de dados para a construção do gráfico de Pareto é
calculado pela seguinte expressão:
Custos dos Defeitos do Tipo (i) =
Quantidade dos Defeitos do Tipo (i) x Custo Unitário dos Defeitos do Tipo (i)
31. Número de ocorrências de defeitos
0
5
10
15
20
25
30
35
A B C D E
Tipos
Quantidade
0
20
40
60
80
100
120
%Acumulado
33. Se a freqüência da categoria “outros” representar mais de 10% do
total de observações, isto significa que as categorias analisadas
não foram classificadas de forma adequada e consequentemente
muitas ocorrências acabaram se enquadrando sob esta
identificação
Observações sobre a construção e o uso de Gráficos de Pareto
Categoria “Outros”
34. A comparação de gráficos de Pareto construídos considerando
diferentes níveis de fatores de estratificação de interesse pode ser
muito útil para a identificação das causas fundamentais de um
problema. Permite identificar se a causa do problema considerado
é comum a todo o processo ou se existem causas específicas
associadas a diferentes fatores que compõem o processo
Observações sobre a construção e o uso de Gráficos de Pareto
Estratificação de Gráficos de Pareto
35. OPERADOR 1
0
10
20
30
40
50
A B C D
Tipos
Quantidade
0
20
40
60
80
100
120
%Acumulado
Padrão A
Observações sobre a construção e o uso de Gráficos de Pareto
Estratificação de Gráficos de Pareto
36. OPERADOR 2
0
5
10
15
20
25
30
35
40
45
A B C D
Tipos
Quantidade
0
20
40
60
80
100
120 %Acumulado
Padrão A
Observações sobre a construção e o uso de Gráficos de Pareto
Estratificação de Gráficos de Pareto
37. Padrão B
OPERADOR 1
0
10
20
30
40
50
A B C D
Tipos
Quantidade
0
20
40
60
80
100
120
%Acumulado
Observações sobre a construção e o uso de Gráficos de Pareto
Estratificação de Gráficos de Pareto
38. Padrão B
OPERADOR 2
0
10
20
30
40
50
D B C A
Tipos
Quantidade
0
20
40
60
80
100
120
%Acumulado
Observações sobre a construção e o uso de Gráficos de Pareto
Estratificação de Gráficos de Pareto
39. Se uma série de gráficos de Pareto construídos ao longo de um
determinado intervalo de tempo apresentar grandes alterações na
seqüência de ordenação das categorias, sem que tenham sido
adotadas quaisquer medidas no sentido de melhorar o
desempenho do processo, terá sido um indício de que o processo
considerado não é estável
Observações sobre a construção e o uso de Gráficos de Pareto
Comparações do Gráfico de Pareto ao longo do tempo
40. Para melhorar os resultados, a comparação de gráficos de Pareto
construídos antes e após a ação de bloqueio pode ser utilizada
para avaliar se a ação executada foi realmente eficaz.
A avaliação de gráficos de Pareto para a comparações “antes” e
“depois” permite a avaliação do impacto das mudanças efetuadas
no processo
Observações sobre a construção e o uso de Gráficos de Pareto
Gráficos de Pareto para comparações “antes” e “depois”
41. A B C D Outros
200
100
0 0
50
100
%
C A Outros
200
100
0 0
50
100
%
B D
Efeito das melhorias
Antes Depois
Observações sobre a construção e o uso de Gráficos de Pareto
Gráficos de Pareto para comparações “antes” e “depois”
42. Consiste em tomar as categorias prioritárias identificadas em um
primeiro gráfico como novos problemas a serem analisados por
meio de novos gráficos de Pareto. O desdobramento continua até
que o nível de detalhes desejado seja obtido, de forma que possam
ser priorizados os vários possíveis projetos de melhoria, com base
nos resultados que cada um deles pode produzir
O desdobramento de gráficos de Pareto divide um grande
problema inicial em problemas menores e mais específicos e
permite a priorização dos projetos de melhoria
Observações sobre a construção e o uso de Gráficos de Pareto
Desdobramentos de gráficos de Pareto
43. É uma ferramenta utilizada para apresentar a relação existente
entre um resultado de um processo (efeito) e os fatores (causas) do
processo que, por razões técnicas, possam afetar o resultado
considerado
Diagrama de Espinha de Peixe ou Diagrama de Ishikawa
Conceito (*paramos aqui em 05 02)
46. a) Definição da característica da qualidade ou do problema a ser analisado
b) Relação dentro de retângulos, como espinhas grandes, das causas
primárias que afetam a característica da qualidade ou do problema (item
1)
c) Relação, como espinhas médias, das causas secundárias que afetam as
causas primárias
d) Relação, como espinhas pequenas, das causas terciárias que afetam as
causas secundárias
e) Identificação no diagrama das causas que parecem exercer um efeito
mais significativo sobre a característica da qualidade ou do problema
f) Registro de outras informações que devam constar no diagrama
Construção
48. Distribuição é um modelo estatístico para o padrão de ocorrência
dos valores de uma determinada população ou amostra.
O histograma é um gráfico de barras no qual o eixo horizontal,
subdividido em vários pequenos intervalos, apresenta os
valores assumidos por uma variável de interesse. Para cada um
destes intervalos é construída uma barra vertical, cuja área
deve ser proporcional ao número de observações na amostra
cujos valores pertencem ao intervalo correspondente
Conceito
49. O histograma dispõe as informações de modo que seja possível a
visualização da forma da distribuição de um conjunto de dados e
também a percepção da localização do valor central e da
dispersão dos dados em torno desde valor central
Conceito
51. a) Colete ‘n’ dados referentes à variação cuja distribuição será
analisada
b) Escolha o número de intervalos ou classes (k)
c) Identifique o menor valor (MIN) e o maior valor (MAX) da amostra
d) Calcule a amplitude total dos dados (H)
e) Calcule o comprimento de cada intervalo h = H/k
f) Arredonde o valor de “h” de forma que seja obtido um número
conveniente. Este número deve ser múltiplo inteiro da unidade
de medida dos dados da amostra
Variáveis contínuas
Construção
52. g) Calcule os limites de cada intervalo (i-ésimo intervalo: LIi = LSi -1
LSi = LIi + h (n° final de intervalos = k + 1)
h) Construa uma tabela de distribuição de freqüências, constituída
pelas seguintes colunas: n° de ordem de cada intervalo (i),
limites de cada intervalo, ponto médio (xi), tabulação (folha de
verificação), freqüência (fi) do i-ésimo intervalo, freqüência
relativa (fi/n) do i-ésimo intervalo
i) Desenhe o histograma
j) Registre informações importantes que devam constar no gráfico
(título, período de coleta dos dados, tamanho da amostra)
Variáveis contínuas
Construção
54. Intervalo (i) Limites xi Tabulação fi fi/n % fi/n
1 69,5 ├ 72,0 70,75 II 2 0,0250 2,5
2 72,0 ├ 75,5 73,75 II 2 0,0250 2,5
Variáveis contínuas
Construção
55. Que conclusões você tira a respeito do histograma, considerando
que as especificações determinavam um limite inferior para o
rendimento igual a 78% (LIE)? Qual a sua análise desse
processo de produtivo?
Variáveis contínuas
Construção
56. Quando a variável é discreta sugere-se construir um histograma
modificado para representar a sua distribuição. Inicialmente deve-
se construir uma escala horizontal para representar as
observações da amostra e uma escala no eixo vertical para
representar as freqüências destas observações. A seguir traça-se
uma linha vertical para cada observação, cuja altura deve ser igual
à freqüência correspondente verificada na amostra
Variáveis discretas
Construção
65. Útil no desenvolvimento da definição do processo e em sua
compreensão. Um fluxograma é uma seqüência cronológica dos
passos do processo ou fluxo do trabalho.
Tem utilidade na visualização e definição do processo de modo que
as atividades que não agregam valor possam ser identificadas
Conceito (paramos aqui em 24/07)
66. a) Reorganização da seqüência de passos do trabalho
b) Reorganização da localização física do operador no sistema
c) Mudança dos métodos de trabalho
d) Mudança do tipo de equipamento usado no processo
e) Replanejamento de formulários e documentos para uso eficiente
f) Melhoria no treinamento do operador
g) Melhoria na supervisão
h) Identificação clara da função do processo para os colaboradores
i) Tentativa de eliminação de passos desnecessários
j) Tentativa de consolidar os passos do processo
Formas de eliminar atividades que não agregam valor
69. Atividades Símbolo
Distância
acumulada
Tempo por
atividade
Receber material O 0 m 15 min
Inspecionar 0 m 55 min
Armazenar 0 m 5 dias
Transportar para a injetora 38 m 15 min
Aguardar setup 38 m 2,5 horas
Injetar peças O 39 m 1 min por peça
Transportar para o armazém 54 m 12 min
Armazenar 54 m 3 dias
Símbolos do Gráfico de Processo de Operação
70. O diagrama de dispersão é um gráfico utilizado para a visualização
do tipo de relacionamento existente entre duas variáveis
Variável 1 x
y
Variável2
• Duas causas de um processo
• Uma causa e um efeito do processo
• Dois efeitos de um processo
Conceito
71. a) Coleta de pelo menos 30 pares de observações (x, y) das variáveis cujo tipo de
relacionamento será estudado
b) Registro dos dados coletados em uma tabela
c) Escolha da variável que será apresentada no eixo horizontal (x). Esta variável deve
ser aquela que, por algum motivo, é considerada preditora da outra variável, a
qual será plotada no eixo vertical (y)
d) Definição dos valores máximo e mínimo das observações de cada variável
e) Escolha das escalas adequadas para a fácil leitura nos eixos vertical e horizontal
f) Desenho das escalas em papel milimetrado
g) Representação no gráfico dos pares de observações (x, y)
h) Registro das informações importantes que devam constar no gráfico (título,
período de coleta, número de pares de observações, identificação e unidade de
medida de cada eixo, identificação do responsável
Construção
74. A existência de uma correlação entre as variáveis consideradas
não implica necessariamente na existência de uma relação de
causa e efeito entre x e y. Este resultado apenas indica que existe
um relacionamento significativo entre as duas variáveis.
Relacionamentos de Causa e Efeito
75. Para a construção de um diagrama de dispersão, o intervalo de
variação das variáveis deve ser um pouco maior do que a faixa
usual de operação do processo
A observação de um diagrama de dispersão, com o objetivo de
descobrir se existe ou não uma correlação entre as duas variáveis
de interesse, depende muito dos intervalos de variação das
variáveis. Para diferentes intervalos de variação, os resultados
encontrados podem não ser os mesmos
Intervalos de variação das variáveis
77. Quando existirem um ou mais fatores de estratificação envolvidos
no estudo realizado, importantes informações podem ser obtidas a
partir de um diagrama de dispersão se os diferentes níveis desses
fatores forem identificados por meio de cores ou símbolos distintos
Em muitos casos a estratificação de um diagrama de dispersão
permite a descoberta da causa de um problema
Estratificação
79. Os gráficos ou cartas de controle são usados para garantir que a
qualidade do produto ou processo esteja sob controle, acusando o
comportamento qualitativo da produção com o suporte da
estatística
• Variáveis: mensuração da característica
• Atributos: verificação da presença ou ausência de uma característica
Os gráficos são desenvolvidos a partir de amostras colhidas
aleatoriamente junto aos lotes inspecionados
Conceito (paramos aqui em 06/02/2015)
81. Implantação
• Coletar dados durante certo período de tempo, até que todos os
tipos de variação nos quais se está interessado em avaliar tenham
oportunidade de aparecer;
• Calcular as estatísticas que resume a informação contida nos
dados;
• Calcular os limites de controle com base nas estatísticas
• Marcar os pontos (estatísticas) nos gráficos de controle e uni-los
para facilitar a visualização do comportamento do processo;
• Marcar os limites de controle;
• Analisar os gráficos de controle quanto à presença de causas
especiais;
• Quando for detectada a presença de causas especiais, buscar
identificar , eliminar e prevenir a sua repetição
82. O gráfico de controle mostra se o processo está conforme as
especificações, determinando a partir de intervalos onde se
procura identificar os mínimos e os máximos valores que podem
ser assumidos por um item controlado
Gráficos por Variáveis
83. Gráficos por Variáveis
Gráfico da Média ( X )
µ (x) ± 3 . √σ
(x)
LSC = x + A2 . R
LIC = x - A2 . R
LM = x Onde: A2 = 3 / d2 .
√ n
Os valores de A2 e d2 são função do tamanho da amostra (n) e
estão dispostos em tabela
Média Amostral
85. LSC = x + A2 . R
Gráficos por Variáveis
x = ∑ x / k = 210,222/20 = 10,511 R = ∑ R / k = 7,3/20 = 0,365
Média
10,511 + 1,023 . 0,365 = 10,885
10,511
10,511 - 1,023 . 0,365 = 10,138
LIC = x - A2 . R
LM = x
86. O controle de atributos é feito quando não é possível medir a
característica de qualidade, mas somente detectar sua presença
ou ausência, identificando defeito ou constatando a imperfeição
Para o gráfico de fração defeituosa,
considere uma amostra de produtos com
“n” peças contendo um número “d” de
unidades defeituosas. A fração de
defeitos será f = d/n.
LSE = P + 3√P (1-P)/n
LIE = P - 3√P (1-P)/n
Gráficos por atributos
LM = P
88. Gráficos por atributos
Média Global = 333 / 3.000 = 0,111
LMP = P = 0,111
LSP = P - 3 . √ P . (1 - P) / n = 0,111 - 3 . √ 0,111 . (1 –
0,111) / 200
0,1776
0,0444
LSP = P + 3 . √ P . (1 - P) / n = 0,111 + 3 . √ 0,111 . (1 –
0,111) / 200
89. O Ciclo PDCA consiste em uma seqüência de procedimentos
lógicos, baseada em fatos e dados, que objetiva localizar a causa
fundamental de um problema para posteriormente eliminá-la.
Plan Do Check Action
•Identificação do
problema
•Observação
•Análise
•Planejamento da ação
•Ação • Verificação • Padronização
• Conclusão
Conceito (paramos aqui em 16/07)
91. Identificação do ProblemaPlan
• Escolha do problema
• Elaboração do histórico do problema
• Ilustração das perdas atuais e ganhos viáveis
• Priorização de metas
• Nomeação de responsáveis
ObservaçãoPlan
• Descoberta das características do problema (coleta de dados)
• Definição das características do problema (observação no local)
• Elaboração de um cronograma e orçamento
Implantação
92. AnálisePlan
• Definição das causas influentes
• Escolha das causas mais prováveis (hipótese)
• Análise das causas mais prováveis (verificação das hipóteses)
• Teste de consistência das causas fundamentais
Planejamento da açãoPlan
• Elaboração das estratégias de ação
• Elaboração do plano de ação e revisão do cronograma e orçamento
Implantação
93. AçãoDo
• Treinamento das pessoas envolvidas na execução do plano de ação
• Execução do plano de ação
VerificaçãoCheck
• Comparação dos resultados
• Listagem dos efeitos secundários
• Verificação da continuidade ou não do problema
Implantação
94. PadronizaçãoAction
• Elaboração ou alteração do padrão
• Comunicação da existência do novo padrão ou alteração do antigo
• Educação e treinamento
•Acompanhamento e utilização do padrão
ConclusãoAction
• Elaboração de uma relação dos problemas remanescentes
• Planejamento do ataque aos problemas remanescentes
• Reflexão sobre a própria atividade do Ciclo PDCA
Implantação
95. Um brainstorming bem sucedido permite às pessoas a maior
criatividade possível e não restringe suas idéias em nenhum
modo.Pode resultar em soluções originais
Conceito
96. O objetivo de uma sessão de Brainstorming é o de coletar idéias de
todos os participantes, sem críticas ou julgamentos
• Incentive a todos a se sentirem livres
• Não deve haver discussões durante a sessão de Brainstorming
• Não se deve fazer julgamentos
• Deixe as pessoas pegarem “carona”
• Escreva todas as idéias em um flipchart
Regras
Conceito
97. • Análise do tópico (definição do assunto ou tema)
• Tempo para todos refletirem sobre o assunto
• Convite a todos opinarem e fornecerem idéias
• Anotação de todas as idéias no flipchart
Seqüência de eventos
Implantação
98. Conceito
É um conjunto de conceitos e práticas que tem por objetivos principais a
organização e racionalização do ambiente de trabalho. O 5 S surgiu no
Japão na década de 50 como um programa do Controle da Qualidade
Total Japonês (CARPINETTI, 2010)
Seiri
Seiton
Seiso
Seiketsu
Shitsuke
99. 1° S Seiri Senso de
Utilização
Arrumação
Organização
Seleção
2° S Seiton
Senso de
Ordenação
Sistematização
Classificação
3° S Seiso
Senso de Limpeza
Zelo
4° S Seiketsu
Senso de
Asseio
Higiene
Saúde
Integridade
5° S Shitsuke
Senso de
Autodisciplina
Educação
Compromisso
* Variáveis quantitativas contínuas: variável que pode assumir qualquer valor dentro de um intervalo (infinito);
* Variáveis quantitativas discretas: variável que só pode assumir determinados valores dentro de um intervalo (finito).
Em Probabilidade e Estatística, o desvio padrão é a medida mais comum da dispersão estatística (representado pelo símbolo sigma, σ). Ele mostra o quanto de variação ou "dispersão" existe em relação à média (ou valor esperado). Um baixo desvio padrão indica que os dados tendem a estar próximos da média; um desvio padrão alto indica que os dados estão espalhados por uma gama de valores.
O desvio padrão define-se como a raiz quadrada da variância. É definido desta forma de maneira a dar-nos uma medida da dispersão que:
seja um número não-negativo;
use a mesma unidade de medida dos dados fornecidos inicialmente.
Faz-se uma distinção entre o desvio padrão σ (sigma) do total de uma população ou de uma variável aleatória, e o desvio padrão de um subconjunto em amostra.
O termo desvio padrão foi introduzido na estatística por Karl Pearson no seu livro de 1894: "Sobre a dissecção de curvas de frequência assimétricas".
Ver A2 e D2 no final dos slides