O que na verdade são frequência absoluta e relativa
A frequência absoluta é o número de vezes que um valor aparece num conjunto de dados. A frequência relativa é essa mesma contagem dividida pelo total de observações. Parece óbvio, mas é onde a maioria dos estudantes erra pela primeira vez. Eu vejo isso todos os anos em turmas de introdução à estatística. O erro mais frequente — e não é intencional — é confundir a frequência relativa com porcentagem sem multiplicar por 100. Alguns professores pedem a fração, outros pedem a percentagem. Verifique sempre qual formato é esperado antes de entregar qualquer trabalho. De resto, o cálculo em si não tem segredo.
frequencia absoluta e relativa exercicios
Aqui vai um exemplo prático. Suponha que tem estes valores de idades numa amostra de 20 pessoas: 18, 19, 19, 20, 20, 20, 21, 21, 22, 22, 23, 23, 23, 24, 25, 25, 26, 27, 28, 30
A frequência absoluta do valor 20 é 3. A frequência relativa é 3 dividido por 20, ou seja, 0,15. Se quiser em percentagem, multiplica por 100 e fica 15%. Repita o processo para cada valor distinto e terá a tabela completa. A tabela resultante ficaria assim:
Valor | Frequência absoluta | Frequência relativa 18 | 1 | 0,05
19 | 2 | 0,10 20 | 3 | 0,15
21 | 2 | 0,10 22 | 2 | 0,10
23 | 3 | 0,15 24 | 1 | 0,05
25 | 2 | 0,10 26 | 1 | 0,05
27 | 1 | 0,05 28 | 1 | 0,05
👉 Clique no botão abaixo para saber mais sobre o assunto!
30 | 1 | 0,05 A soma das frequências absolutas dá sempre 20. A soma das frequências relativas dá sempre 1. Se não der, cometeste um erro de cálculo em algum lugar.
O que muitas vezes causa confusão é quando os dados já vêm agrupados em classes. Aí a frequência absoluta de cada classe é a contagem de observações que caem dentro desse intervalo. A relativa segue a mesma divisão pelo total. O problema é que, ao transformar dados contínuos em classes, perdes informação sobre a distribuição exata dentro de cada intervalo. Isso é aceitável para amostras grandes, mas destrói a precisão em amostras pequenas.
Como fazer isto sem errar
O método mais seguro é sempre construir a tabela passo a passo. Primeiro organiza os dados em ordem crescente. Depois conta cada valor distinto com uma marcação manual ou uma ferramenta simples. Em seguida divide pelo total. Por último verifica as somas. Se algo não fechar, volta ao passo da contagem. Eu costumava fazer tudo à mão quando estava a aprender. Leva mais tempo, mas grava o processo. Hoje uso Python com pandas ou até o Excel para datasets maiores. Com 500 linhas, o Excel resolve em segundos. Com 50 mil, prefiro pandas porque o Excel começa a engasgar e corromper fórmulas de forma silenciosa.
Se queres um exercício prático, aqui está um que eu costumo dar a alunos: Notas de um teste de 30 alunos: 8, 12, 15, 8, 10, 12, 12, 14, 8, 10, 15, 14, 12, 10, 8, 14, 12, 15, 10, 8, 14, 12, 10, 15, 14, 8, 12, 10, 14, 15
Constrói a tabela de frequência absoluta e relativa. Depois responde: qual a nota mais frequente? Que percentagem dos alunos ficou abaixo de 12? A resposta da primeira pergunta é 8 e 12, ambas com frequência absoluta 6. É um caso bimodal que muitos estudantes ignoram porque escolhem apenas o primeiro. Na segunda pergunta, os valores abaixo de 12 são 8 e 10. A frequência absoluta combinada é 6 mais 6, ou seja, 12. A frequência relativa é 12 dividido por 30, que dá 0,40 ou 40%.
Um problema real que encontrei na prática
Trabalhei numa análise de dados de clientes onde a variável "faixa etária" vinha codificada como categorias desiguais: 0-17, 18-35, 36-50, 51-70, 71+. O cliente queria ver a distribuição relativa, mas as classes tinham larguras muito diferentes. A frequência relativa por si só não dizia nada sobre a densidade demográfica dentro de cada intervalo. A solução foi calcular a frequência relativa dividida pela amplitude da classe, obtendo uma densidade de frequência. Isso permitiu comparações justas entre faixas. Ninguém me ensinou isso numa aula introdutória. Aprendi no fogo, quando o gráfico de barras ficou completamente enganoso e o diretor comercial quase tomou uma decisão errada com base nisso.
Outro problema comum aparece quando tens valores nulos ou faltantes. A frequência relativa calculada sobre o total original pode ser enganosa. No meu caso, uma base de dados com 10 mil registos tinha 800 entradas sem valor na variável principal. Usei a frequência relativa sobre n=9200 em vez de n=10000, e deixei claro no relatório qual era a base de cálculo. Se calhares isso, os números parecem mais bonitos do que são.
Onde encontrar exercícios adicionais
Existem vários recursos gratuitos online. O site da Universidade Aberta de Portugal tem apostilas completas com exercícios resolvidos. O Khan Academy em português também cobre o tema com vídeo-aulas. Para algo mais prático, o repositório do GitHub tem notebooks com datasets reais que podes descarregar e praticar. Se preferires um ficheiro pronto para imprimir, posso indicar que pesquises por "frequência absoluta e relativa pdf" no Google. Vários professores colocam manuais completos lá. Só verifica a data, porque alguns materiais ainda usam convenções antigas de notação decimal com vírgula em vez de ponto.
O que ninguém te diz sobre frequência relativa
A frequência relativa tem uma limitação importante que raramente é mencionada: ela não funciona bem quando comparamos conjuntos de tamanhos diferentes sem normalização adicional. Se tiveres dois grupos, um com 100 pessoas e outro com 1000, as frequências relativas parecem similares mesmo que a distribuição subjacente seja completamente diferente. Nesses casos, o teste qui-quadrado de independência é mais apropriado. Ele testa se há uma associação estatisticamente significativa entre as categorias e os grupos. A frequência relativa sozinha não responde a essa pergunta.
Outro ponto: a frequência relativa é sensível a outliers. Um único valor muito raro pode ter frequência relativa tão baixa que parece irrelevante, mas numericamente ocupa espaço na tabela. Em datasets com milhares de valores únicos, isso gera tabelas enormes e pouco informativas. Aí a agrupação em classes ou a técnica de binning torna-se necessária. Se estás a estudar para um exame, pratica com dados reais, não apenas com exemplos perfeitos de livro. A diferença entre passar e dominar o assunto está em lidar com tabelas desarrumadas, valores faltantes e classificações estranhas. O resto é matemática básica.
