Duas colunas podem ter o mesmo centro e ainda assim se comportar de maneiras muito diferentes. A dispersão mede o quanto os valores ficam distantes do centro:
- O desvio padrão (DP) é a distância típica até a média, nas unidades da própria coluna. Para uma amostra, divide-se por n - 1, não por n. O
.std() do pandas faz isso por padrão; np.std() divide por n, a menos que você passe ddof=1.
- A variância é o DP ao quadrado, em unidades ao quadrado, e por isso costuma-se informar o DP.
- A amplitude interquartil (AIQ) é a distância entre os percentis 25 e 75: a metade central dos dados. Valores atípicos quase não a movem.
- O coeficiente de variação divide o DP pela média, para que você possa comparar a dispersão de coisas em escalas diferentes.
Use o DP com dados mais ou menos simétricos e a AIQ com dados assimétricos e com valores atípicos.
O DP da amostra e a AIQ.