O Que É Frequência Relativa

Por que todo mundo explica isso errado na primeira vez

Você vê uma tabela com dados brutos e tenta transformar em probabilidade de cabeça, mas algo não fecha. Isso é normal. Frequência relativa é basicamente a contagem de vezes que algo acontece dividida pelo total de observações, mas o conceito em si é muito mais útil quando você para de tratá-lo como sinônimo de probabilidade. A diferença entre os dois aparece só depois que você trabalha com amostras reais.

O que é frequência relativa na prática

A definição técnica diz que frequência relativa é o quociente entre a frequência absoluta de um evento e o número total de observações. Na prática, você pega uma lista de resultados, conta quantas vezes cada categoria aparece e divide pelo tamanho da amostra. O resultado é sempre um número entre zero e um, e quando você soma todas as frequências relativas de um conjunto completo, dá exatamente um. Esse último ponto é onde as pessoas costumam errar. Elas somam e acham que deveria dar algo próximo, mas não exatamente um, porque não perceberam que esqueceram de incluir a classe "nenhuma ocorrência" ou que dois grupos foram contabilizados duas vezes. Já vi isso em planilhas de produção onde um produto tinha sido classificado em duas linhas diferentes por erro de digitação, e a soma das frequências relativas dava 1,03 em vez de 1. Perdi trinta minutos conferindo se a fórmula estava errada, até perceber que o problema era o cadastro dos dados, não o cálculo. O workaround que eu uso agora é simples: antes de calcular qualquer coisa, faço uma verificação rápida de integridade. Somar as frequências absolutas e comparar com o total esperado. Se não bater, o erro tá nos dados, não na conta. Isso economiza o resto do tempo.

A parte que os livros não mostram

Frequência relativa é uma estimativa. Só isso. Ela aproxima a probabilidade verdadeira, mas nunca é a probabilidade real, a menos que seu universo seja infinitamente grande e sua amostra cubra tudo. Quando você tem poucos registros, a frequência relativa pode ser enganosa. Um exemplo concreto: se você observa cinco lançamentos de uma moeda e cara quatro vezes, a frequência relativa de cara é 0,8. Isso não significa que a moeda tende a dar cara. Significa que, naquele lote específico, ocorreu isso. Com dez lançamentos, o resultado pode ser 0,4. Com cem, provavelmente se aproxima mais de 0,5. A frequência relativa estabiliza com o tamanho da amostra, e esse comportamento é descrito pela lei dos grandes números, mas na prática do dia a dia ninguém espera cem observações porque o negócio precisa de uma resposta agora. Outro ponto que muita gente perde de vista: frequência relativa absoluta e frequência relativa percentual são a mesma coisa com unidades diferentes. Uma é um decimal, a outra é multiplicada por cem. Não confunda isso com frequência relativa acumulada, que é outra coisa completamente. A acumulada soma as frequências relativas progressivamente, o que é útil para construir distribuições e visualizar onde a massa dos dados se concentra, mas gera confusão constante em quem tá começando. Eu já vi analista júnior usar frequência relativa acumulada pra comparar taxas de defeito entre duas linhas de produção e concluir que uma linha era melhor porque a acumulada crescia mais devagar, quando na verdade a diferença era só porque a primeira linha tinha mais registros em categorias de menor gravidade. Se você quer calcular isso de forma rápida, a operação básica é direta. Abre uma planilha, coloca as categorias na coluna A, as contagens na coluna B, e na coluna C faz a divisão de cada contagem pelo total. O total você pode obter com uma função SOMA ou, se estiver usando Python, com o método value_counts normalizado. Em pandas, value_counts(normalize=True) já devolve as frequências relativas sem precisar fazer a divisão manualmente. É mais rápido e elimina um passo de erro. Para quem trabalha com dados maiores, tem uma limitação importante que vale registrar: frequência relativa perde informação quando as categorias são muito agregadas. Se você agrupa idade em faixas de dez anos, a frequência relativa de cada faixa mascara variações dentro da faixa. Dois conjuntos de dados podem ter a mesma distribuição de faixas etárias e perfis completamente diferentes por trás disso. Não é um defeito do cálculo em si, é uma escolha de como você define as classes. Às vezes o melhor é não agrupar e trabalhar com a distribuição bruta, ou então usar bins que façam sentido para o problema, como divisão por quartis ou por pontos de corte conhecidos do domínio.

Quando a frequência relativa não serve

Ela não é adequada para comparar conjuntos com tamanhos de amostra muito diferentes sem normalização prévia. Se você tem duzentos registros em um grupo e quinhentos em outro, as frequências relativas já corrigem essa diferença, mas a variância estimada será diferente. Grupos menores têm maior variabilidade, e isso aparece como barras de erro maiores se você for construir intervalos de confiança. Ignorar isso leva a conclusões equivocadas sobre diferenças entre grupos. O correto nesse caso é considerar também o tamanho da amostra ou usar testes estatísticos que levem em conta a variância, como um teste proporcional ou qui-quadrado de proporções, dependendo do objetivo. Outro cenário em que a frequência relativa falha de forma silenciosa: dados com presença excessiva de zeros. Em métricas de conversão de tráfego, por exemplo, a maioria das páginas pode ter zero cliques, e a frequência relativa de clique fica perto de zero para quase todas as URLs. O resultado parece informativo, mas não discrimina bem as páginas que tiveram pelo menos uma interação. Nesse caso, é mais útil olhar para a frequência relativa só dentro de um subconjunto filtrado, como páginas com pelo menos cem visualizações, ou usar uma medida que combine taxa e volume, como o limite inferior do intervalo de confiança de Wilson.