O básico que a maioria dos manuais esquece de explicar direito
A frequência absoluta é simplesmente o número de vezes que um determinado valor aparece num conjunto de dados. Ponto. Quando te dão uma tabela de idades, notas, ou tempos de reação e pedem a frequência absoluta de cada classe, o que eles querem é que contes quantos elementos caem em cada intervalo. Eu comecei a lidar com isso em laboratórios de psicologia experimental, onde tínhamos bases de dados com milhares de linhas e precisávamos calcular distribuições rapidamente. A primeira vez que tentei fazer tudo à mão numa amostra de 1.200 sujeitos, demorei cerca de três horas. Depois aprendi a usar pivot tables no Excel e o tempo caiu para cerca de 8 minutos.
Como calcular a frequencia absoluta na prática
Vamos ao método direto. Supõe que tens estes valores: 3, 7, 3, 5, 7, 7, 3, 9, 5, 3. Para encontrar a frequência absoluta de cada valor, fazes apenas contagem. O número 3 aparece 4 vezes. O 5 aparece 2 vezes. O 7 aparece 3 vezes. O 9 aparece 1 vez. A frequência absoluta do 3 é 4, a do 5 é 2, a do 7 é 3, a do 9 é 1. Soma tudo e tem de dar o total da amostra, que neste caso é 10. Se não der, errou numa contagem. Quando os dados estão organizados em classes, o processo é o mesmo mas com um passo extra de categorização. Cada observação pertence a uma classe. Contas quantas observações estão em cada classe. Aquele número é a frequência absoluta.
No Excel, a função MAIS.SE ou SELECIONAR.DADOS resolve isso em segundos. No R, usa table() ou count() do dplyr. Em Python com pandas, value_counts() já devolve a frequência absoluta de cada categoria. Eu pessoalmente prefiro pandas quando o dataset tem mais de 5.000 linhas porque o Excel começa a ficar instável.
👉 Clique no botão abaixo para saber mais sobre o assunto!
Pegadinhas que todo o mundo comenta tarde demais
Uma coisa que causa erro constante é confundir frequência absoluta com frequência relativa. A absoluta é um contar simples. A relativa é essa contagem dividida pelo total. Se o teu professor pede frequência relativa e tu entregas a absoluta, a resposta está errada mesmo que os números estejam corretos. Presta atenção ao pedido. Outro problema frequente aparece quando há valores atípicos ou dados faltantes. Num projeto meu com dados clínicos, descobri que havia 47 registros com valores NaN que estavam a ser ignorados silenciosamente pelas funções padrão. A soma das frequências absolutas dava 953 em vez de 1.000. Perdi cerca de uma hora a perceber o que se passava. A solução foi adicionar uma verificação explícita com dropna antes de calcular.
Também recomendo sempre validar a soma final. As frequências absolutas de todas as classes têm de somar exatamente o tamanho da amostra. Se não somam, há algo mal: alguma classe fora do intervalo, algum dado duplicado, ou algum valor mal categorizado.
Quando este método falha e o que fazer nesses casos
A frequência absoluta funciona bem para variáveis discretas e para contínuas com poucas classes. Quando tens uma variável contínua com centenas de valores únicos, como o tempo exato de resposta em milissegundos, a tabela de frequências absolutas torna-se ilegível. Neste cenário, o melhor é agrupar em classes usando uma regra prática como Sturges ou Freedman-Diaconis antes de calcular. Se precisas de lidar com dados grandes recorrentemente, um script simples em Python que lê o ficheiro, limpa os dados, aplica value_counts() e exporta para CSV poupa bastante trabalho manual. Eu mantenho um script assim no meu computador que faz todo o processo em menos de 30 segundos para datasets típicos de até 50 mil observações.
