O que é frequência relativa e por que você provavelmente está calculando errado
A frequência relativa é simplesmente o número de vezes que um evento acontece dividido pelo total de observações. Nada mais. A gente complica porque professores adoram transformar isso em ritual matemático com tabelas enormes quando na prática você resolve em dois passos no Excel ou num script python bem tosco. Em estatística descritiva, ela responde à pergunta: que proporção da minha amostra cai naquela categoria? Se você tem 40 notas e 8 são vermelhas (abaixo de 5), a frequência relativa é 8/40 = 0,20 ou 20%. Ponto.
Como calcular de verdade, não do livro didático
Método prático que eu uso: pega sua variável categórica ou discretizada, conta com value_counts(), divide pelo tamanho total do array. Em pandas seria algo como df['coluna'].value_counts(normalize=True). O parâmetro normalize já faz a divisão automaticamente e devolve valores entre 0 e 1. Se quiser em percentual, multiplica por 100. O problema é que a maioria das pessoas tenta montar tabela de distribuição de frequência manualmente e nisso queima 20 minutos em dados com 500 linhas. Você gasta esse tempo construindo uma tabela que o software monta em 0,3 segundos e ainda comete erro de digitação no denominador.
O que frequência relativa não é e onde as pessoas tropeçam
Primeiro erro crônico: confundir frequência relativa com probabilidade. São conceitos vizinhos mas não idênticos. Frequência relativa é empírica, deriva dos seus dados. Probabilidade é um modelo teórico. Na prática, com amostras grandes, elas convergem pelo teorema do limite central, mas com n=30 você já começa a ver oscilações ridículas. Eu tive um caso onde a frequência relativa de eventos raros (tipo 2 ocorrências em 150 observações) batia 1,3% e eu quase declarei que aquele predictor tinha poder explicativo. Quando aumentei o sample size para 2.000, a frequência despencou para 0,4%. O padrão de erro era ruído amostral, não sinal. Segundo erro: somar frequências relativas de classes mutuamente não exaustivas. Se você tabula por faixas etárias mal definidas que se sobrepõem, a soma deixa de ser 1 e sua interpretação vira piada. Sempre valide que a soma das frequências relativas dá 1 (ou 100% se em percentual). Se não der, suas classes estão erradas ou faltou alguma categoria no cruzamento.
Terceira nuance que gente esquece: frequência relativa condicionada. Quando você normaliza dentro de um subgrupo, o resultado total não soma mais 1. É útil para comparar proporções entre grupos de tamanhos diferentes, mas muita gente aplica normalize sem pensar no nível de agrupamento e acaba comparando maçãs com peras. Em análise de churn, por exemplo, calcular frequência relativa de cancelamento por região sem segmentar por plano gera distorção enorme porque as regiões têm volumes disparados.
Frequência relativa vs frequência absoluta: quando usar cada uma
Frequência absoluta é a contagem bruta.frequência relativa é a normalização dessa contagem. A absoluta mostra volume, a relativa mostra peso proporcional. Numa análise de vendas, você pode ter 300 vendas no produto A e 50 no B. Em absoluta, A domina. Em relativa, se o catálogo todo tem 1.000 SKUs, A representa apenas 30% das transações e B 5%. A decisão muda dependendo do que você está otimizando: estoque (absoluta) ou mix (relativa). Em dados desbalanceados de classificação, frequência relativa de classe é praticamente obrigatória. Acurácia vira métrica inútil quando a classe majoritária bate 97%. Matriz de confusão com frequências relativas por classe revela o problema em cinco segundos.
👉 Clique no botão abaixo para saber mais sobre o assunto!
Problema real que eu encontrei e como resolvi
Trabalhando com dados declickstream de um app, precisei analisar frequência relativa de eventos de navegação por sessão. O problema era que sessões tinham duração e profundidade extremamente variáveis. Uma sessão de 2 minutos gerava 5 eventos, outra de 45 minutos gerava 200. Se eu calculasse frequência relativa do evento X sobre o total de sessões, eventos de páginas profundas ficavam sub-representados porque sessões curtas diluíam a proporção. A solução foi calcular frequência relativa condicional ao número de páginas visitadas. Dividi cada evento pelo total de eventos daquela profundidade de navegação. Isso normalizou o efeito de duração de sessão e revelou que eventos de CTA apareciam 3x mais frequentemente em sessões com mais de 10 páginas do que a frequência bruta indicava. Sem essa correção, eu teria descartado um funnel inteiro como irrelevante.
O cálculo ficou assim: agrupei por depth_level, contei cada evento dentro de cada grupo e dividi pelo total de eventos daquele grupo. Em SQL seria um COUNT(evento) OVER (PARTITION BY depth_level) no denominador. Levou cerca de 4 segundos processando 12 milhões de linhas.
Limitações que ninguém admite
Frequência relativa perde informação sobre magnitude. Dois datasets podem ter a mesma distribuição relativa mas volumes totalmente diferentes. Um modelo treinado só com frequências relativas ignora sample size completamente, o que é perigoso em inferência. Também é instável para categorias de cauda longa. Eventos com contagem 1 ou 2 geram frequências relativas muito pequenas que parecem insignificantes mas na verdade indicam problemas operacionais específicos. Em manutenção preditiva, por exemplo, uma frequência relativa de falha de 0,02% parece irrisória mas corresponde a um componente que falha sistematicamente sob certa condição térmica. Agregação por frequência relativa encobre o padrão.
Para dados temporais, frequência relativa estática é insuficiente. Ela agrega tudo num único número e apaga a evolução temporal da distribuição. Se seu objetivo é detectar drift conceitual, use frequência relativa janelada ou testes de hipótese como KS test comparando distribuições em períodos diferentes.
Quando frequência relativa não serve e o que usar no lugar
Se você precisa de estimativa pontual com intervalo de confiança, frequência relativa sozinha não basta. Calcule o intervalo de Wilson ou Clopper-Pearson para proporções. Com n pequeno e proporção próxima de 0 ou 1, o intervalo de Wilson é muito mais confiável que a aproximação normal clássica. Para comparação entre grupos, em vez de só olhar frequência relativa, use teste qui-quadrado de independência ou teste exato de Fisher quando as células Esperadas forem menores que 5. Frequência relativa igual entre dois grupos não significa ausência de diferença significativa; o poder do teste depende do tamanho amostral.
Em resumo, frequência relativa é ferramenta básica mas exige cuidado na definição das classes, na interpretação condicional e na consciência de que normalizar não resolve problemas estruturais dos dados. Calcule rápido, valide a soma, contextualize com o volume absoluto e não trate proporção empírica como verdade populacional.
