Construir uma tabela de frequência não é tão trivial quanto parece na prática
A maioria das pessoas começa colocando os dados brutos em uma planilha e depois conta com os dedos ou com uma contagem manual. Isso funciona para quinze linhas, mas quando o conjunto sobe para duzentas observações, você perde mais tempo do que deveria e ainda comete erros. O jeito certo é organizar os valores, calcular as frequências absolutas e, em seguida, derivar as relativas. O processo leva cerca de cinco minutos se você já tiver os dados limpos, e uns trinta se estiver ainda corrigindo inconsistências.
O que é uma tabela de frequencia absoluta e relativa
Uma tabela de frequencia absoluta e relativa é basicamente um quadro que mostra quantas vezes cada valor ou classe aparece no seu conjunto de dados e qual parte do total cada um representa. A frequência absoluta é a contagem simples. A frequência relativa é essa contagem dividida pelo número total de observações, frequentemente expressa em porcentagem. Nada mais, nada menos. A utilidade real aparece quando você precisa comparar distribuições de tamanhos diferentes, porque a frequência relativa padroniza tudo numa escala de zero a um.
Como montar passo a passo
Comece listando todos os valores observados em ordem crescente. Se os dados forem contínuos, defina classes com intervalos iguais antes de contar. Um erro comum é criar classes com larguras diferentes sem documentar isso, o que quebra a interpretabilidade da frequência relativa depois. Anote o tamanho do seu universo, ou seja, o total de observações, e guarde esse número porque ele vai aparecer em todas as divisões. Depois, conte quantas observações caem em cada valor ou classe. Esse é o seu freq absoluta. Divida cada contagem pelo total para obter a freq relativa. Some as frequências relativas no final para verificar se chegam a 1,0 (ou 100%, se preferir a versão percentual). Se a soma não fechar, revise as contagens antes de seguir em frente. Esse check rápido evita problemas chatos nas próximas etapas da análise.
Um caso real que me marcou
Eu estava trabalhando com dados de tempos de resposta de um sistema e os valores variavam de 12 ms a 487 ms. A primeira tentativa foi agrupar em classes de largura 50, mas notei que a última classe ficava com frequência relativa praticamente zerada porque tinha muitos valores concentrados acima de 400. A solução foi trocar para uma classe aberta no final, algo como 400–infinito, e tratar essa última linha separadamente na leitura. Isso mudou totalmente a forma como a distribuição era percebida. Classes abertas são desprezadas por alguns manuais, mas salvam a análise quando há cauda longa e dispersão alta. Outro problema que enfrentei foi com dados categóricos com muitos níveis raros, tipo categorias de erro em um log com mais de quarenta tipos diferentes. A frequência relativa de alguns era menor que 0,003, o que dificultava qualquer comparação visual. Agrupei os níveis com frequência absoluta menor ou igual a dois em uma categoria outra, e aí a tabela ficou legível e útil para apresentação. Essa regra de agrupamento arbitrário pode parecer amadora, mas é padrão em engenharia de confiabilidade e em telemetria. O importante é registrar a decisão no rodapé da tabela para quem for revisar não ficar achando que os dados sumiram.
👉 Clique no botão abaixo para saber mais sobre o assunto!
Erros frequentes que todo mundo comete
O primeiro erro é confundir frequência relativa com percentual sem deixar claro na tabela qual escala está sendo usada. Um cabeçalho mal escrito gera confusão imediata em qualquer equipe. O segundo erro é calcular a frequência relativa antes de confirmar que o total de observações está correto, o que costuma acontecer quando há duplicatas ou linhas em branco nos dados brutos. O terceiro erro, e esse é mais subtil, é esquecer que a soma das frequências relativas só é exatamente 1,0 quando não há arredondamentos. Se você arredonda para duas casas decimais, a soma pode ficar em 0,99 ou 1,01, e isso irrita quem revisa relatórios. Um detalhe que poucos mencionam: frequência relativa e probabilidade empírica não são a mesma coisa, embora muitos cursos tratem como sinônimos. A frequência relativa descreve o que aconteceu na sua amostra. Probabilidade fala sobre o processo que gerou os dados. A distinção importa quando você vai fazer inferência depois, mas num relatório descritivo ela costuma ser ignorada sem consequências graves.
Vantagens, limitações e alternativas
A principal vantagem da tabela de frequência absoluta e relativa é a simplicidade. Você consegue enxergar a forma da distribuição sem depender de software pesado. A desvantagem é que ela esconde informações quando o número de classes é muito baixo ou muito alto. Com classes demais, você tem ruído. Com classes de menos, tem oversimplificação. Existe um ponto de equilíbrio que depende do tamanho da amostra e da variabilidade dos dados. Se os seus dados têm muitos valores únicos, uma tabela de frequência simples vira uma lista enorme e inútil. Nesse caso, o ideal é usar histogramas com classes bem escolhidas ou métodos de suavização como núcleos de estimação de densidade. Ferramentas como R com ggplot2 ou Python com seaborn resolvem isso rápido. Mas para apresentações executivas, a tabela continua sendo a forma mais direta de comunicação.
Exemplo prático rápido
Considere os seguintes valores de notas de uma prova: 4, 6, 7, 4, 8, 6, 5, 7, 6, 7. O total de observações é dez. A frequência absoluta de 4 é dois, de 5 é um, de 6 é três, e de 7 é três, e de 8 é um. A frequência relativa de 4 é 0,2, de 5 é 0,1, de 6 é 0,3, de 7 é 0,3, e de 8 é 0,1. A soma das frequências relativas dá 1,0. Simples, mas eficaz quando explicado corretamente. Se precisar transferir esse cálculo para uma planilha, a lógica é sempre a mesma: ordenar, contar, dividir, somar para conferência. Eu costumo usar uma coluna auxiliar para frequência absoluta, depois outra para frequência relativa com a fórmula de divisão, e por fim uma validação com soma. Leva pouco tempo e evita retrabalho quando o revisor pede conferência.
Quando não usar
Não use tabela de frequência absoluta e relativa como ferramenta única de análise quando precisar modelar relações, testar hipóteses ou prever valores. Ela é descritiva. Se o seu objetivo é inferência, avance para tabelas de contingência, testes de Qui-quadrado ou modelos de regressão conforme o contexto. A tabela de frequência é o primeiro passo, não o último.
