Estatística Tabelas E Gráficos

Construir tabelas e gráficos decentes em estatística é mais difícil do que a maioria dos manuais deixa entender

A gente começa achando que é só colocar números numa planilha e pedir para o Excel desenhar. Depois leva uma surra quando percebe que o gráfico gerado está mentindo sobre os dados ou que a tabela summary não responde à pergunta que realmente importa. Vou direto ao ponto: o processo que funciona, as armadilhas que eu já caí, e como sair delas sem perder duas horas do dia. São ferramentas de comunicação, não de descoberta. A tabela resume; o gráfico mostra padrões. Se você tentar fazer os dois ao mesmo tempo num único artefato, vai piorar a legibilidade em vez de melhorar. O uso correto é sequencial: primeiro a tabela de sumarização, depois o gráfico para a variável ou relação específica que você quer destacar. O workflow básico é este. Defino a pergunta. Agrupo os dados. Calculo as estatísticas descritivas. Monto a tabela. Escolho o gráfico adequado. Reviso os eixos e as legendas. Publico. Isso parece óbvio, mas a ordem importa porque escolhas erradas no passo 3 comprometem tudo depois.

Na minha experiência, o que mais dá problema é a escolha do gráfico. Começar pelo visual é erro comum. Eu começo pela estrutura dos dados. Variável contínua única pede histograma ou boxplot. Duas contínuas pede dispersão. Categórica versus contínua pede barras agrupadas ou violin plot. Duas categóricas pede tabela de contingência com resíduos padronizados, não um gráfico de pizza.

Como construir estatística tabelas e gráficos corretamente

Vou mostrar com um exemplo real. Tenho uma base de atendimento de uma clínica com 1.200 registros. Quero saber se o tempo médio de espera difere entre manhã e tarde. O passo a passo que segue costuma funcionar em planilhas ou em código. Primeiro, limpar. Valores negativos para tempo são impossíveis. Removi outliers acima do escore Z de 4, mas com cuidado, porque em atendimento saúde caudas longas são sinal, não ruído. Achei 18 registros com Z entre 3,5 e 5. Decidi manter e rotular como eventos extremos, em vez de apagar. Isso alterou a média em menos de 2%, mas mudou a interpretação. Segundo, criar a tabela sumarizada. Agrupei por turno e calculei n, média, desvio padrão, mediana, quartis e erro padrão da média. Usei também o teste t para comparação de médias, porque o desenho era simples e as amostras tinham tamanho razoável. Se o dados fossem assimétricos, eu trocava por Wilcoxon. A tabela ficou com oito colunas e dez linhas, legível em uma página.

Terceiro, o gráfico. Escolhi boxplot lado a lado por turno, com jitter dos pontos sobrepostos. Isso mostra distribuição, outliers e sobreposição real. Gráfico de barras com erro padrão seria mais bonito para apresentação, mas esconde a forma da distribuição. Eu entrego boxplot na análise e barra com erro na mensagem final.

Pegadinhas que ninguém conta

A principal é a armadilha do eixo zero. Em gráficos de barras, cortar o eixo Y pode fazer diferença pequena parecer gigantesca. Eu vi relatórios de pesquisa operacional com diferença de 3% aparecendo como dobra visual porque o eixo começava em 48 em vez de 0. Se o público é leigo, mantenha zero. Se o público é técnico, pode cortar, mas avise. A segunda pegadinha é a falsa precisão. Colocar cinco casas decimais numa tabela de média gera a ilusão de exatidão. Desvio padrão com três casas é honesto. Média com duas casas é suficiente na maioria dos casos. A regra prática que eu uso é: casa decimal a menos que o menor incremento relevante dos dados originais.

Dica específica sobre estatística tabelas e gráficos em Python

Se você trabalha com Python, seaborn resolve 80% dos casos básicos, mas tem uma limitação chata. A função catplot com kind=bar por padrão desenha altura da média, mas coloca o erro padrão como intervalo de confiança de 95% quando você usa ci=95, o que nem sempre é o que o leitor espera. Eu sempre especifico errfunc=np.std e errorbar="sd" quando quero desvio padrão, ou errfunc=scipy.stats.sem com errorbar="pi" para intervalo. Sem isso, revisores apontam inconsistência. Para tabelas, eu uso pandas.DataFrame.describe com funcões customizadas e depois formatação com styler. O resultado é uma tabela que exporta para HTML com cores condicionais por quartil, o que economiza tempo de revisão. Em R, o pacote modelsummary faz algo similar e é mais rápido para modelos estatísticos.

Quando tabelas e gráficos falham completamente

Eles falham quando a pergunta é multivariada e você tenta responder com univariados isolados. Eu tive um caso recente em que a tabela mostrava médias similares entre dois grupos, mas o gráfico de dispersão com linha de tendência revelava interação com uma terceira variável: idade. A conclusão inicial estava errada. A solução foi regressão múltipla e gráfico de efeitos marginais, não mais tabela de summary. Outro cenário de falha é amostra muito pequena. Com n menor que 20, estimativas de desvio padrão e intervalos de confiança ficam instáveis. Boxplot vira piquete. Histograma vira ruído. Nesses casos, eu prefiro tabela com valores brutos e gráfico de points com jitter, sem tentar disfarçar com formas sofisticadas.

Como decidir entre alternativas rapidamente

Eu uso uma árvore de decisão simples, aplicada em cinco minutos. Se a variável é quantitativa e a distribuição é aproximadamente normal, média e desvio padrão bastam. Se há assimetria forte ou outliers, mediana e quartis são mais honestos. Se a comparação é entre grupos, testar normalidade com Shapiro-Wilk e igualdade de variâncias com Levene já orienta se usa paramétrico ou não paramétrico. Para visualização, a regra que eu sigo é a proporção tinta-dados. Gráficos com muita cor, grade, sombra e efeito 3D distorcem a leitura. Eu removo tudo que nãocarrega informação. Fundo branco ou cinza muito claro. Linhas de grade finas e discretas. Paleta com no máximo quatro cores distinguíveis. Isso não é estética, é economia cognitiva.

Download de template prático

Eu deixo um arquivo simples com a estrutura que eu repito sempre. Ele contém duas abas. Na primeira, a tabela sumarizada com colunas padronizadas: variável, grupo, n, média, dp, mediana, Q1, Q3, mínimo, máximo, erro padrão. Na segunda, o roteiro de escolha de gráfico com regras condicionais baseadas no tipo de variável e no tamanho da amostra. Quem quiser, pode solicitar por mensagem que eu envio o link. O formato é CSV para a tabela e um documento de texto com os passos para replicar em Python ou R. Se você está começando, comece pelo CSV. Não tente automatizar antes de dominar a lógica. Automatizar erro é só errar mais rápido.

Erros comuns que eu vejo todo dia

Um deles é chamar gráfico de pizza de análise estatística. Pizza é ilustração qualitativa, não ferramenta estatística. Ela não mostra variação, nem comparação precisa, nem tendência. Use barra horizontal quando precisar comparar categorias. A diferença de comprimento é mais fácil de ler que a diferença de ângulo. Outro erro é reportar apenas a média. Média sem variabilidade é convite para má interpretação. Eu sempre incluo desvio padrão ou intervalo de confiança. Se o espaço é curto, intervalo de confiança comunica mais, porque ele já carrega tamanho amostral e variabilidade juntos. Terceiro erro frequente é confundir correlação com causalidade em legenda. Isso não é erro técnico, é erro de comunicação. Legenda deve ser limitada ao que o gráfico mostra. Se você quer sugerir causalidade, precisa de desenho de estudo adequado, não de gráfico bonito.

Quando usar resumo numérico versus visual

Resumo numérico é melhor quando a precisão importa. Leitor precisa ler um valor exato, comparar diferenças pequenas, ou usar o número em cálculo posterior. Visual é melhor quando o objetivo é mostrar forma, tendência, desigualdade ou presença de outliers. Na prática, eu entrego ambos, mas separados. Tabela para consulta. Gráfico para leitura rápida. Isso reduz a sobrecarga. Quando eu tento colocar números sobre as barras ou dentro dos boxplots, o gráfico fica poluído e a tabela perde o foco. Manter dois artefatos distintos economiza tempo de leitura e diminui retrabalho de revisão.

Checklist rápido antes de finalizar estatística tabelas e gráficos

Eu passo por este checklist em dois minutos. A pergunta está respondida? Os números batem com os dados brutos? A amostra está clara? A unidade de medida está definida? Os eixos têm escala adequada? Outliers foram considerados? A legenda não afirma mais do que os dados permitem? O formato de exportação preserva a legibilidade? Se uma dessas perguntas for não, eu volto para o passo anterior. Na maioria das vezes, o gargalo é a segunda linha. Conferir números batendo com os dados brutos. Eu faço uma amostragem de dez linhas e comparo manualmente. Leva três minutos e evita o tipo de erro que aparece depois da publicação, quando ninguém mais quer olhar.

Alternativas quando o padrão não funciona

Se os dados têm muitos zeros, como em contagens de eventos raros, média e desvio padrão enganam. Nesse caso, eu uso tabela com proporção de zeros e gráfico de barra para frequências, complementado por modelo Poisson ou binomial negativo se for analisar regressão. Gráfico de densidade com mistura de pontos funciona melhor que histograma nesses cenários. Se há dependência temporal, como séries de atendimento ao longo de meses, gráficos de linha simples são insuficientes. Eu adiciono suavização com LOESS e intervalo de confiança, e testo autocorrelação com ACF. Sem isso, o gráfico parece mostrar tendência quando pode ser apenas ruído estruturado. Quando a base é enorme, acima de cem mil linhas, boxplot fica pesado e histograma vira parede de tinta. Eu uso densidade estimada com kde e tabela de quantis por faixas. Isso mantém a informação sem travar a renderização. Em Python, seaborn.kdeplot com shade=True resolve em segundos. Em Excel, você tem que importar para um ambiente statisticamente mais adequado.

A parte chata que todo mundo ignora

Documentação. Eu registro versão dos dados, data de corte, critérios de exclusão, funções usadas e parâmetros. Sem isso, seis meses depois você não sabe se aquele outlier foi removido por regra ou por decisão arbitrária. Eu uso um log simples em texto, uma linha por decisão relevante. Custo baixo, benefício alto. Também registro o que não funcionou. Erros de formatação, gráficos que enganaram, tabelas que confundiram. Esse histórico economiza horas em projetos seguintes. É o tipo de coisa que ninguém pede, mas quem pratica percebe a diferença após três ou quatro ciclos.

Conclusão sobre estatística tabelas e gráficos

Não existe fórmula mágica. Existe disciplina. Definir a pergunta antes de abrir a ferramenta. Escolher o gráfico baseado na estrutura dos dados, não na facilidade. Reportar variabilidade junto com tendência. Rever números antes de divulgar. Separar tabela e gráfico por função. Manter legibilidade acima de ornamento. Se você seguir isso, o trabalho sai certo na maior parte das vezes. Se pular algum passo, vai levar um susto na revisão. Eu prefiro o susto pequeno no início ao grande no final.