Entendendo frequência relativa na prática
A frequência relativa é simplesmente a proporção de vezes que um determinado evento ocorre em relação ao total de observações. A conta é direta: divide-se a frequência absoluta de cada categoria pelo número total de dados. O resultado geralmente vem em forma decimal ou percentual, e a soma de todas as frequências relativas de uma distribuição sempre dá 1 (ou 100% se expressa em porcentagem).
Como calcular e onde usar o que frequencia relativa
Vou mostrar com um exemplo real que eu usei semana passada. Tinha um dataset de 340 respostas de um questionário sobre preferência de transporte, com cinco categorias: ônibus, metrô, carro, bicicleta e a pé. A contagem bruta (frequência absoluta) mostrou 98 pessoas de ônibus, 76 de metrô, 61 de carro, 38 de bicicleta e 67 a pé. Para transformar isso em frequência relativa, basta dividir cada uma pelo total de 340 respostas. O cálculo ficou assim: ônibus com 98 dividido por 340 resulta em aproximadamente 0,2882 ou 28,82%. Metrô ficou em 22,35%, carro em 17,94%, bicicleta em 11,18% e a pé em 19,71%. Some todos esses valores e chega-se a 100%. O processo é basicamente isso.
Na minha experiência trabalhando com análise de dados em empresas de logística, eu precisei aplicar frequência relativa em relatórios mensais de defeitos de equipamentos. O problema prático que eu encontrei foi que os dados vinham em tabelas de Excel com milhares de linhas e categorias que se repetiam de formas inesperadas. Quando você tem mais de 50 categorias diferentes num dataset de 15 mil registros, fazer a conta na mão é inviável. Eu resolvi isso escrevendo uma função simples em Python usando pandas: agrupava os dados pela coluna de categoria, contava as ocorrências com value_counts, e depois dividia pelo length total do dataframe. O resultado era um dataframe limpo com colunas de frequência absoluta e relativa, pronto para exportar. Um detalhe que as pessoas costumam perder: frequência relativa não é a mesma coisa que probabilidade. A frequência relativa é uma medida empírica baseada nos dados que você tem. Probabilidade é um conceito teórico que descreve o que deveria acontecer sob condições ideais. Quando seu tamanho amostral é pequeno, as duas podem divergir bastante. Com 30 observações, uma categoria pode aparecer 4 vezes e dar frequência relativa de 13,3%, enquanto a probabilidade real daquele evento ser de 5%. Isso muda completamente a interpretação se você estiver tomando decisões baseadas nesses números.
👉 Clique no botão abaixo para saber mais sobre o assunto!
Vantagens e limitações do uso de frequência relativa
A principal vantagem é que ela permite comparar distribuições de tamanhos diferentes. Se você tem dois grupos — um com 200 pessoas e outro com 500 — e quer saber qual tem maior proporção de alguém usando um determinado produto, a frequência relativa normaliza essa comparação. Sem ela, você ficaria preso às frequências absolutas, que são enganosas quando os totais diferem. Porém, existem limitações importantes. Primeiro, a frequência relativa esconde o tamanho da amostra. Um valor de 80% soa impressionante, mas se veio de apenas 5 observações, pode não significar nada. Sempre reporto junto a frequência relativa o número absoluto de observações que a suportaram. Segundo, quando há muitas categorias com frequências muito baixas, os valores relativos ficam instáveis. Uma categoria com apenas 1 ocorrência num dataset de 100 tem frequência relativa de 1%, mas se você coletar mais 900 dados e essa categoria permanecer com 1 ocorrência, o valor cai para 0,1%. Isso pode levar a conclusões equivocadas sobre tendências.
Outro problema prático que eu enfrentei: ao trabalhar com dados de saúde pública, precisei calcular frequência relativa de sintomas em uma população de 12 mil pacientes. Categorias raras, como reações adversas a medicamentos, apareciam com frequência relativa menor que 0,01%. Quando converti para porcentagem e roundei para duas casas decimais, essas categorias simplesmente sumiam da planilha. A solução foi manter a notação científica ou usar mais casas decimais apenas para as categorias minoritárias, enquanto mantinha duas casas para as majoritárias.
Frequência relativa acumulada e quando ela é útil
Além da frequência relativa simples, existe a acumulada, que soma progressivamente as proporções conforme você avança nas categorias ordenadas. Isso é particularmente útil para analisar percentis e distribuições ordinais. Por exemplo, se você está avaliando notas de uma prova com cinco faixas de desempenho, a frequência relativa acumulada mostra rapidamente quantos alunos ficaram abaixo de cada limite. No meu caso, ao analisar tempo de resposta de servidores em um sistema de produção, usei a frequência relativa acumulada para identificar em qual faixa de latência concentrava-se 95% das requisições. Isso me deu um ponto de corte claro para configurar alertas de monitoramento. Para quem precisa calcular frequência relativa manualmente, existem algumas opções práticas. Planilhas de Excel ou Google Sheets resolvem rapidamente para conjuntos pequenos: basta usar a função COUNTIF para contar ocorrências e dividir pelo TOTAL. Para datasets maiores, a abordagem com Python e pandas que descrevi anteriormente é mais eficiente. R também oferece a função prop.table dentro do pacote base, que calcula frequências relativas com uma única linha de código. Se o seu cenário envolve frequência relativa de dados temporais ou séries históricas, considere usar bibliotecas específicas como statsmodels, que tratam automaticamente de alguns dos problemas de estimação que aparecem com amostras pequenas.
O que eu recomendo de verdade é sempre visualizar a frequência relativa junto com a absoluta. Um gráfico de barras lado a lado com as duas colunas revela instantaneamente quando um percentual alto esconde uma base insuficiente. Essa costuma ser a armadilha mais comum, e a que mais gera interpretações erradas em reuniões de equipe.
