Tabela De Frequência Absoluta E Relativa

O que você precisa saber sobre frequência absoluta e relativa na prática

A tabela de frequência absoluta e relativa é uma ferramenta básica de estatística descritiva que organiza dados em classes ou valores únicos com duas colunas principais: quantas vezes cada valor aparece (frequência absoluta) e qual parte do total isso representa (frequência relativa). Parece simples, e é. A maior parte do trabalho aqui não está na matemática em si, mas em decidir como agrupar os dados antes de construir a tabela.

Como montar uma tabela de frequência absoluta e relativa passo a passo

Vamos pegar um exemplo concreto. Imagine que você tem 50 respostas de uma pesquisa sobre horas semanais que alunos dedicam a estudos extraclasse: 2, 3, 1, 4, 2, 5, 3, 2, 1, 4, 3, 2, 5, 4, 3, 2, 1, 3, 4, 5, 2, 3, 4, 2, 1, 3, 5, 4, 3, 2, 4, 3, 2, 1, 5, 4, 3, 2, 4, 5, 3, 2, 1, 4, 3, 2, 5, 4, 3, 2

O primeiro passo é ordenar os dados e contar as ocorrências de cada valor. Se os dados forem contínuos e tiverem muitos valores distintos, você precisa definir classes. A regra de Sturges sugere k = 1 + 3,322 × log(n), onde n é o tamanho da amostra. Para 50 observações, isso dá aproximadamente 7 classes. A amplitude de cada classe é (maior valor - menor valor) / k. No exemplo acima, os valores vão de 1 a 5, então classes não são necessárias — trata-se de variável discreta com poucos valores. A contagem direta resolve. Se fossem dados contínuos como salários de funcionários variando de 1.200 a 15.000 reais, aí sim você definiria intervalos como 1.200-3.000, 3.000-4.800, e assim por diante, cuidadoso para que as classes não se sobreponham.

A frequência absoluta de cada valor é simplesmente a contagem. A frequência relativa se calcula dividindo a frequência absoluta pelo total de observações. Para apresentar como porcentagem, multiplica por 100. A soma das frequências relativas sempre deve dar 1 (ou 100% se em percentual). Se não der, houve erro de arredondamento ou de contagem.

Tabela de frequência absoluta e relativa: exemplo completo

Com os dados do exemplo, a tabela fica assim: Horas de estudo | Frequência Absoluta | Frequência Relativa

1 | 7 | 0,14 2 | 13 | 0,26

3 | 13 | 0,26 4 | 10 | 0,20

5 | 7 | 0,14 Total | 50 | 1,00

A verificação rápida: 7+13+13+10+7 = 50. A soma das relativas: 0,14+0,26+0,26+0,20+0,14 = 1,00. Tudo certo.

Erros comuns que eu vejo todo dia

O erro mais frequente é calcular a frequência relativa com bases em totais errados. Às vezes as pessoas somam apenas as linhas visíveis e esquecem filtros ativos, ou usam a frequência acumulada como denominador. Sempre confirme que o denominador é o número total de observações válidas, não o total de linhas exibidas na tela. Outro problema comum: definir classes de forma inconsistente. Classes com amplitudes diferentes distorcem a leitura visual e atrapalham comparações. Se precisar de classes desiguais por algum motivo específico, documente o critério usado. Na maioria dos casos, classes de amplitude igual bastam e simplificam tudo.

Um caso que me deu problema real foi quando trabalhei com dados de satisfação escalar de 1 a 10 de uma amostra de 1.200 respondentes. A regra de Sturges sugeria cerca de 11 classes, o que era absurdo para uma escala já limitada a 10 pontos. O resultado seria uma tabela com 10 linhas individualizando cada valor e uma última classe "agrupando" o que sobrou, gerando distorção. A solução foi tratar como variável discreta e fazer tabela com frequência absoluta e relativa direta para cada pontuação, sem tentar forçar agrupamento em classes contínuas. Dessa forma a tabela ficou legível e interpretável, e o tempo de construção caiu de cerca de 40 minutos com tentativa e erro para 8 minutos com a abordagem correta.

Dicas práticas que realmente ajudam

Se os dados estão em planilha, use a função CONT.SE ou uma tabela dinâmica para contar frequências absolutas. Para relativa, basta dividir cada resultado pelo total. Em Python, pandas facilita com value_counts() e normalização com normalize=True. Em R, table() e prop.table() fazem o mesmo trabalho em segundos. Arredondamento merece atenção. Se você arredonda as frequências relativas para duas casas decimais, a soma pode ficar em 0,99 ou 1,01. Isso é normal e aceitável, mas registre no relatório que houve arredondamento. Não tente forçar a soma a ser exatamente 1 ajustando artificialmente o último valor — isso distorce os dados sem benefício real.

Para grandes volumes de dados com variáveis contínuas, defina as classes antes de rodar qualquer comando. Mudar a amplitude depois que a tabela já está montada exige reconstrução completa e gera inconsistências se você exportou partes do resultado para outras análises.

Quando essa tabela não é a melhor opção

Tabela de frequência absoluta e relativa funciona bem para amostras de até algumas centenas de observações e variáveis com número moderado de valores distintos. Quando a variável é contínua com milhares de valores únicos, como datas exatas ou identificadores, a tabela se torna ilegível. Nesses casos, histogramas ou funções de densidade kernel entregam informação mais útil com menos ruído. Outro limite é quando você precisa de inferência estatística. A tabela descritiva mostra distribuição, mas não responde se a distribuição é significativamente diferente de alguma referência. Para isso, teste qui-quadrado de bondade de ajuste ou comparações com distribuições teóricas são mais adequados. A tabela de frequência serve como ponto de partida, não como ferramenta analítica definitiva.

Se seus dados têm muitosmissing values ou respostas inválidas, decida antes como tratá-las. Incluindo-os como categoria própria altera todas as frequências relativas. Excluindo-os sem registrar a exclusão introduz viés silencioso. Documente a decisão no método do trabalho.