O que é e como construir uma tabela de frequência sem errar
Uma tabela de frequência organiza dados brutos em classes ou valores individuais com suas contagens correspondentes. É uma ferramenta básica de estatística descritiva, mas o número de erros que eu vejo gente cometer na construção dela é absurdo. A maior parte das pessoas faz de corpo mole, copia um modelo da internet e esquece que cada conjunto de dados exige decisões específicas sobre intervalos e amplitude. Vou explicar o processo do jeito que funciona na prática, não da forma como aparece em livro didático.
Passo a passo para montar uma tabela de frequência correta
Comece sempre organizando os dados em ordem crescente. Parece óbvio, mas muita gente pula essa etapa e começa a classificar diretamente, o que gera confusão na hora de determinar a amplitude total. A amplitude total é a diferença entre o valor máximo e o valor mínimo do seu conjunto de dados. Anote esses dois números antes de qualquer outra coisa. Agora vem a parte que exige atenção: definir o número de classes. A regra de Sturges é a mais usada no dia a dia profissional e funciona bem na maioria dos casos. A fórmula é k = 1 + 3,322 × log(n), onde n é o número de observações. Para um dataset com 50 registros, por exemplo, Sturges sugere cerca de 6 ou 7 classes. Se você tem menos de 25 dados, use entre 3 e 5 classes. Mais do que isso com poucos dados só cria buracos na tabela que não significam nada.
A amplitude de classe se calcula dividindo a amplitude total pelo número de classes. O resultado quase nunca é um número inteiro, então arredonde para cima para garantir que todas as observações cabem nas classes. Eu costumo arredondar para um número redondo que facilite a leitura posterior, tipo 5 ou 10, dependendo da escala dos dados. Monte os intervalos de classe de forma consecutiva, sem sobreposição e sem lacuna. Cada classe deve ter o limite inferior incluído e o superior excluído, exceto a última classe que engloba o valor máximo. Anote a frequência absoluta de cada classe contando quantos dados caem em cada intervalo. Depois calcule a frequência relativa dividindo cada frequência absoluta pelo total de observações. Multiplique por 100 se quiser em porcentagem.
Se for montar uma tabela de frequencia com classes qualitativas, o processo é mais simples porque não precisa definir amplitude. Basta listar cada categoria e contar as ocorrências. O erro comum aqui é esquecer categorias que aparecem nos dados mas têm frequência zero. Sempre inclua todas as categorias possíveis, mesmo que a contagem seja zero.
👉 Clique no botão abaixo para saber mais sobre o assunto!
A armadilha que quase ninguém conta
Aqui vai uma coisa que eu aprendi na marra depois de perder duas horas num relatório interno. Quando seus dados têm muitos valores repetidos, como notas de provas onde todo mundo tira 7, 8 ou 9, tratar cada valor individual como uma classe separada cria uma tabela enorme e inútil. Nesse caso, o melhor é agrupar os valores em faixas. Eu tive um caso específico com dados de tempo de resposta de servidores onde os valores iam de 12 a 18 milissegundos, com muita repetição. Tratando individualmente, a tabela tinha 47 linhas. Agrupando em intervalos de 1ms, ficaram 7 linhas com informação real. Outro problema frequente é quando a amplitude de classe calculada pela regra de Sturges resulta em um número decimallongo, como 4,73. Se você arredonda para baixo para 4, as classes não cobrem todos os dados. Sempre arredonde para cima. Use 5 classes em vez de 4. É melhor ter uma classe ligeiramente mais larga do que perder observações na cauda superior.
Diferença entre frequência absoluta, relativa e acumulada
A frequência absoluta é a contagem pura e simples de cada classe. A relativa é essa contagem dividida pelo total. A acumulada some as frequências absolutas de forma progressiva, começando da primeira classe até a última. A acumulada sempre termina no total de observações. Essa terceira coluna é a que mais gera confusão, porque muita gente soma as relativas em vez das absolutas e acaba com um número que não fecha. Em situações onde você precisa comparar dois grupos com tamanhos diferentes, a frequência relativa é obrigatória. Comparar tabelas de frequência usando apenas absolutos é enganoso. Um grupo com 200 observações vai ter números maiores em tudo, mesmo que a distribuição proporcional seja idêntica à de um grupo com 50 observações.
A tabela de frequencia também serve de base para histogramas e polígonos de frequência. Se você planeja visualizar os dados depois, monte a tabela com as colunas certas desde o início para não ter que refazer o trabalho. Organize com as colunas: limites de classe, frequência absoluta, frequência relativa e frequência acumulada. Isso cobre 99% dos casos que você vai encontrar no dia a dia.
Quando a tabela de frequência não resolve
Seu conjunto de dados tem mais de mil observações e os valores são contínuos com muitas casas decimais. Nesse cenário, a tabela tradicional vira uma planilha ilegível. O melhor caminho é usar agrupamento automático em ferramentas como Excel, R ou Python. No Excel, a função FREQUÊNCIA ou a análise de dados com histograma integrado resolve em minutos. Em R, a função hist() já gera a tabela e o gráfico juntos. Em Python com pandas, o comando value_counts() com bins faz o trabalho completo. Também não adianta muito usar tabela de frequência para dadosordinalmente pequenos, como respostas de Likert de 1 a 5 com apenas 20 responds. Nesse caso, uma tabela de contingência cruzada com outra variável é mais informativa do que uma simples contagem univariada.
O que importa é entender que a tabela de frequência é um instrumento de primeiro contato com os dados. Ela mostra a distribuição, revela valores atípicos e prepara o terreno para análises mais sofisticadas. Não é o produto final, é o ponto de partida. Se você tratar como destino, vai perder informações importantes que só aparecem em etapas seguintes.
