Estatística descritiva na pesquisa: o que relatar e por quê

Você abre a planilha, vê colunas cheias de respostas, médias automáticas e percentuais, mas trava na hora de decidir o que realmente entra no trabalho. A estatística descritiva na pesquisa parece simples até o orientador pedir "caracterize a amostra", "descreva as variáveis" ou "explique a distribuição dos dados" sem transformar a seção de resultados em um despejo de números. Muitos trabalhos de graduação e mestrado perdem clareza aqui: apresentam médias para tudo, esquecem frequências, não dizem quantos casos faltam ou repetem no texto cada número da tabela. O problema raramente é saber clicar no software; é saber quais medidas fazem sentido para cada variável e que papel elas cumprem no argumento acadêmico.

A estatística descritiva na pesquisa deve mostrar, de forma organizada, o perfil dos dados analisados: tamanho da amostra, distribuição das variáveis, tendência central, dispersão e valores ausentes quando houver. Ela não prova hipóteses sozinha; prepara o terreno para interpretar resultados, escolher testes e defender que sua análise está coerente com os dados disponíveis.

Neste guia

• O que a estatística descritiva na pesquisa deve mostrar
• Quais estatísticas descritivas apresentar em cada tipo de variável
• Como reportar estatística descritiva no texto sem repetir a tabela
• Como montar uma tabela de estatística descritiva clara
• Como interpretar média e desvio padrão sem exagerar
• Como adaptar a estatística descritiva a diferentes áreas acadêmicas
• Quais erros estudantes cometem ao relatar estatística descritiva
• Como revisar sua estatística descritiva antes de avançar para testes

O que a estatística descritiva na pesquisa deve mostrar?

A estatística descritiva na pesquisa deve mostrar como seus dados estão organizados antes de qualquer comparação, associação ou teste de hipótese. Ela responde a perguntas práticas: quantas observações foram analisadas, quais categorias aparecem mais, qual é o valor típico de uma variável e quanta variação existe entre os casos. Sem essa etapa, o leitor não sabe se os resultados posteriores estão apoiados em dados claros ou em uma base mal descrita.

A função descritiva dentro do trabalho acadêmico

Estatística descritiva é o conjunto de medidas usadas para resumir dados observados, como frequência, porcentagem, média, mediana, desvio padrão, mínimo e máximo. Ela não busca generalizar automaticamente para uma população maior; seu foco é retratar a amostra ou o conjunto de dados que o trabalho analisou.

Em um TCC de administração sobre satisfação de clientes, por exemplo, a estatística descritiva pode mostrar a distribuição de idade, frequência de compra, renda aproximada e pontuação média de satisfação. Em uma pesquisa de psicologia sobre estresse acadêmico, ela pode descrever idade dos participantes, curso, semestre, pontuações em escala de estresse e variação das respostas. Esses números ajudam o leitor a entender "quem respondeu" e "como as variáveis se comportaram".

A descrição também serve para conferir coerência metodológica. Se um estudo afirma comparar estudantes iniciantes e concluintes, a seção descritiva precisa mostrar quantos participantes há em cada grupo. Se um questionário usa escala de 1 a 5, relatar média 4,2 sem indicar desvio padrão deixa o leitor sem saber se as respostas foram concentradas ou muito dispersas.

O que não cabe nessa etapa

A estatística descritiva não deve ser tratada como prova final da hipótese. Uma média maior em um grupo pode sugerir uma diferença, mas não permite afirmar, sozinha, que há diferença estatisticamente sustentada. Para isso, normalmente entram testes inferenciais, intervalos de confiança ou modelos estatísticos, conforme o desenho da pesquisa.

Também não é necessário relatar todas as medidas que o software gera. Muitos programas produzem automaticamente assimetria, curtose, erro padrão, amplitude, quartis e outras saídas. Algumas podem ser úteis, mas só devem entrar se ajudarem a responder à pergunta de pesquisa ou a justificar escolhas analíticas. Antes de decidir testes ou modelos, vale alinhar variáveis e indicadores com o desenho do estudo; o artigo sobre modelo visual de variáveis e indicadores mensuráveis ajuda nesse encaixe.

Quais estatísticas descritivas apresentar em cada tipo de variável?

As estatísticas descritivas dependem do tipo de variável: categorias pedem frequências e porcentagens; variáveis numéricas pedem medidas de tendência central e dispersão. A escolha correta evita relatórios incoerentes, como calcular média de estado civil ou apresentar apenas porcentagens para uma pontuação contínua. A pergunta "quais estatísticas descritivas apresentar" começa pela escala de medida.

Variáveis categóricas: frequências e porcentagens

Variável categórica é aquela cujos valores representam grupos, rótulos ou categorias, como gênero declarado, curso, turno, tipo de contrato, diagnóstico ou região. Para esse tipo de dado, a forma mais comum de descrição é indicar a contagem de casos em cada categoria e a porcentagem correspondente.

Exemplo: em uma pesquisa com 120 estudantes de graduação, a variável "turno" pode ser descrita como manhã: 48 participantes (40,0%), tarde: 30 participantes (25,0%) e noite: 42 participantes (35,0%). Essa descrição informa a composição da amostra sem forçar cálculos sem sentido.

Quando a variável categórica tem muitas categorias, agrupar pode ser aceitável, desde que a regra seja explícita. Em vez de listar 18 cursos com dois ou três respondentes cada, uma pesquisa institucional pode agrupar por área de conhecimento. O cuidado é não esconder uma característica relevante dos dados por conveniência.

Variáveis numéricas: média, mediana e dispersão

Variável numérica é aquela expressa em valores quantitativos, como idade, renda, número de faltas, escore de ansiedade, tempo de internação ou nota final. Para essas variáveis, a descrição costuma incluir média, desvio padrão, mediana, mínimo e máximo, dependendo da distribuição e da finalidade da análise.

A média é a soma dos valores dividida pelo número de observações. Ela funciona bem quando os dados não têm assimetria extrema. O desvio padrão indica o quanto os valores se afastam, em média, da média; quanto maior ele for, maior a dispersão dos dados. A combinação média e desvio padrão é útil, por exemplo, para descrever uma escala de satisfação de 1 a 5 quando as respostas não estão muito concentradas nas extremidades.

A mediana é o valor central quando os dados são ordenados. Ela costuma ser mais adequada quando há assimetria ou valores extremos, como renda mensal, tempo de espera em atendimento ou número de acessos a uma plataforma. Se dois estudantes têm valores muito altos em uma variável, a média pode subir bastante; a mediana ajuda a mostrar um ponto típico menos afetado por esses extremos.

Escolha de medidas por tipo de dado

Tipo de variável	Versão fraca no trabalho	Versão mais adequada	Por quê
Curso dos participantes	"A média do curso foi 2,4."	"Administração: 38 (31,7%); Pedagogia: 29 (24,2%); Enfermagem: 53 (44,1%)."	Curso é categoria, então pede frequência e porcentagem.
Idade em anos	"A maioria era jovem."	"A idade média foi 22,6 anos (DP = 4,1; mínimo = 18; máximo = 41)."	A medida numérica precisa mostrar valor típico e variação.
Renda familiar	"A renda média foi R$ 8.900,00."	"A mediana foi R$ 3.200,00, com intervalo de R$ 1.200,00 a R$ 18.000,00."	Renda tende a ter assimetria; a mediana pode representar melhor o centro.
Escala de concordância 1–5	"Muitos concordaram."	"A média do item foi 4,1 (DP = 0,8), indicando concentração em respostas de concordância."	Escalas podem ser resumidas com média e dispersão quando tratadas como pontuação.

Como reportar estatística descritiva no texto sem repetir a tabela?

Para reportar estatística descritiva no texto, selecione os padrões que ajudam o leitor a interpretar a tabela, em vez de repetir todos os números célula por célula. O texto deve apontar valores centrais, variações relevantes, categorias predominantes e aspectos inesperados. A tabela guarda os detalhes; o parágrafo interpreta o que merece atenção.

Texto e tabela têm funções diferentes

A tabela de estatística descritiva organiza números de forma compacta. O texto, por sua vez, orienta a leitura. Quando ambos dizem exatamente a mesma coisa, o trabalho fica cansativo e pouco analítico.

Uma boa prática é citar apenas os resultados que sustentam a narrativa da seção. Se a tabela mostra idade, gênero declarado, curso, período, renda e notas, o texto pode comentar que a amostra foi composta majoritariamente por estudantes do período noturno e que a idade média indica predominância de jovens adultos. Não é preciso reescrever cada porcentagem no parágrafo.

Versão fraca: "A idade média foi 22,6. O desvio padrão foi 4,1. O mínimo foi 18. O máximo foi 41. O curso de Enfermagem teve 53 participantes. Administração teve 38. Pedagogia teve 29."

Versão mais forte: "A amostra foi formada principalmente por estudantes de Enfermagem (44,1%) e apresentou idade média de 22,6 anos (DP = 4,1), com variação de 18 a 41 anos. Esse perfil indica predominância de jovens adultos, embora haja participantes em fases etárias distintas."

A segunda versão não omite informação relevante; ela transforma a descrição em leitura acadêmica.

Sequência prática para escrever o parágrafo descritivo

1. Identifique as variáveis que caracterizam a amostra ou respondem diretamente aos objetivos.
2. Separe variáveis categóricas de variáveis numéricas.
3. Escolha dois ou três padrões que merecem comentário no texto.
4. Cite a tabela uma vez, de preferência antes ou depois do parágrafo descritivo.
5. Evite interpretar causalidade a partir de médias ou porcentagens isoladas.
6. Confira se todos os valores comentados no texto aparecem na tabela.

Esse processo também evita que a seção descritiva vire um relatório automático do software. Se o seu estudo ainda está em fase de desenho, o fluxo de decisão para escolher metodologia de pesquisa pode ajudar a alinhar pergunta, dados e análise antes de gerar tabelas.

Linguagem adequada para resultados descritivos

Use verbos moderados: "apresentou", "variou", "concentrou-se", "foi observado", "os dados indicam". Evite frases como "a média prova que" ou "a porcentagem confirma que", porque a estatística descritiva não testa relações por si só.

Também vale manter o padrão decimal. Em português acadêmico, usa-se vírgula como separador decimal: 22,6; 4,1; 35,0%. Se o trabalho segue normas institucionais específicas, alinhe número de casas decimais e uso de porcentagens desde a primeira tabela.

Como montar uma tabela de estatística descritiva clara?

Uma tabela de estatística descritiva clara apresenta variáveis, medidas e unidades de forma previsível, sem excesso de colunas nem abreviações obscuras. Ela deve permitir que o leitor entenda rapidamente o tamanho da amostra, a distribuição das categorias e os valores típicos das variáveis numéricas. A boa tabela reduz esforço de leitura, não impressiona pelo volume de números.

Estrutura mínima de uma tabela descritiva

A tabela deve ter título informativo, cabeçalhos claros e notas quando houver abreviações. Para variáveis categóricas, use colunas como "n" e "%". Para variáveis numéricas, use "média", "DP", "mediana", "mínimo" e "máximo", conforme o caso. Não misture medidas incompatíveis sem explicação.

Exemplo de tabela simples:

Variável	n (%) ou medida descritiva
Participantes analisados	120
Turno noturno	42 (35,0%)
Idade, média (DP)	22,6 (4,1)
Escore de satisfação, média (DP)	4,1 (0,8)
Faltas no semestre, mediana (mín.–máx.)	3 (0–18)

Essa tabela funciona porque cada linha tem uma lógica clara. O leitor sabe quando está lendo contagem, porcentagem, média, desvio padrão ou intervalo.

Quando separar tabelas

Nem sempre uma única tabela resolve tudo. Em trabalhos com muitas variáveis, é melhor separar a caracterização da amostra das variáveis principais. Uma tabela pode descrever perfil sociodemográfico; outra pode resumir escalas, indicadores ou medidas de desempenho.

Em uma pesquisa de enfermagem sobre adesão medicamentosa entre pacientes idosos acompanhados após alta hospitalar, uma tabela pode apresentar idade, sexo, número de medicamentos e presença de cuidador. Outra pode descrever pontuação de adesão, frequência de esquecimento e tempo desde a alta. Essa separação evita que dados clínicos e dados de perfil fiquem misturados de forma confusa.

O mesmo vale para estudos em educação. Em uma pesquisa sobre uso de plataforma digital por estudantes do ensino médio, a primeira tabela pode caracterizar turma, turno e acesso à internet; a segunda pode mostrar tempo semanal de uso, número de atividades concluídas e pontuação de engajamento.

Antes e depois: tabela fraca versus tabela revisada

Antes: tabela confusa	Depois: tabela revisada
"Variável 1: 22,6; variável 2: 4,1; variável 3: 53; variável 4: 44,1."	"Idade, média (DP): 22,6 (4,1); Enfermagem: 53 (44,1%)."
Mistura códigos internos da planilha com resultados.	Usa nomes compreensíveis para as variáveis.
Não informa unidade nem tipo de medida.	Indica se o valor é média, DP, n ou %.
Obriga o leitor a adivinhar o significado dos números.	Permite leitura rápida e conferência com o texto.

Uma tabela de estatística descritiva deve parecer preparada para outra pessoa ler, não apenas exportada do software. Essa diferença afeta diretamente a credibilidade da seção de resultados.

Como interpretar média e desvio padrão sem exagerar?

Média e desvio padrão devem ser interpretados como resumo do centro e da dispersão dos dados, não como prova de efeito ou explicação causal. A média mostra um valor típico; o desvio padrão mostra o quanto os casos variam em torno desse valor. A interpretação fica melhor quando conecta esses números à escala usada e ao contexto da variável.

O que a média permite dizer

Se uma escala de satisfação vai de 1 a 5 e a média observada é 4,1, você pode dizer que as respostas se concentraram na faixa de concordância ou avaliação positiva, desde que a escala tenha sido apresentada antes. Se a média de idade é 22,6 anos, você pode dizer que a amostra é composta principalmente por jovens adultos, observando o intervalo de idades.

O erro começa quando a média vira explicação. "A média alta mostra que o método causou satisfação" é uma afirmação indevida se o estudo não comparou grupos, não acompanhou mudanças ou não controlou outros fatores. Uma descrição mais segura seria: "A pontuação média sugere avaliação favorável do método entre os participantes analisados."

O que o desvio padrão acrescenta

O desvio padrão ajuda a entender se a média representa bem o conjunto de dados. Duas turmas podem ter média 7,0 em uma prova; uma pode ter notas concentradas entre 6,5 e 7,5, enquanto outra tem notas variando de 2,0 a 10,0. A média é igual, mas a dispersão conta uma história diferente.

Em psicologia, imagine uma escala de ansiedade acadêmica de 0 a 40. Uma média de 24,0 com DP = 2,1 sugere respostas próximas entre si. A mesma média com DP = 9,8 sugere grande variação: parte dos participantes apresenta baixa pontuação, enquanto outros pontuam alto. Essa diferença pode influenciar a escolha de testes, a interpretação de grupos e a discussão dos resultados.

Quando a análise vai além da descrição, a escolha do teste precisa considerar tipo de variável, distribuição e desenho do estudo. O artigo sobre painéis de dados conectados a uma decisão estatística mostra como essa decisão pode ser organizada.

Cuidados com casas decimais e escala

Não exagere no número de casas decimais. Em muitos trabalhos, uma casa decimal basta para médias e desvios padrão; em outros, duas casas são aceitáveis, especialmente quando a área exige maior precisão. O critério deve ser consistente.

Também não interprete diferenças mínimas como se fossem grandes. Em uma escala de 1 a 5, médias de 4,12 e 4,15 provavelmente não justificam uma narrativa de diferença relevante sem teste ou critério adicional. A estatística descritiva permite observar padrões; a força desses padrões depende do desenho da análise.

Como adaptar a estatística descritiva a diferentes áreas acadêmicas?

A estatística descritiva deve se adaptar ao tipo de dado, à tradição da área e à pergunta de pesquisa. Ciências sociais, saúde, educação, negócios e direito empírico podem usar medidas semelhantes, mas relatam informações diferentes porque observam fenômenos diferentes. O mesmo cálculo muda de função conforme o contexto.

Ciências sociais e psicologia

Em ciências sociais e psicologia, é comum descrever perfil dos participantes, escalas psicométricas, atitudes, comportamentos autorrelatados e indicadores de contexto. Um estudo de psicologia sobre estresse acadêmico em estudantes de graduação pode relatar idade, curso, semestre, carga horária de trabalho e pontuação em uma escala de estresse.

Nesse caso, médias e desvios padrão podem aparecer para escalas compostas, enquanto frequências e porcentagens aparecem para variáveis como curso, turno e situação de trabalho. Se a escala tiver subdimensões, como exaustão, preocupação e sintomas físicos, cada subescala pode receber média e DP próprios.

O cuidado está em não interpretar autorrelato como diagnóstico. Se estudantes pontuam alto em uma escala de estresse percebido, a descrição pode indicar níveis mais altos de estresse percebido na amostra, mas não deve afirmar presença clínica de transtorno sem instrumento e desenho adequados.

Ciências da saúde e enfermagem

Em saúde e enfermagem, a estatística descritiva costuma caracterizar pacientes, condições clínicas, procedimentos, adesão, tempo de internação e desfechos observados. Em um estudo de enfermagem sobre adesão a medicamentos entre idosos após alta para cuidado domiciliar, seria adequado relatar idade mediana, número de medicamentos, presença de cuidador, comorbidades e pontuação de adesão.

Variáveis como número de medicamentos podem ser assimétricas; por isso, mediana e intervalo podem fazer mais sentido do que média e desvio padrão. Já idade pode ser apresentada com média e DP se a distribuição for razoavelmente equilibrada, ou com mediana se houver grande assimetria.

Também é comum informar valores ausentes, porque prontuários e registros clínicos podem ter campos incompletos. O leitor precisa saber se a análise foi feita com todos os pacientes ou apenas com casos que tinham determinada informação registrada.

Educação, negócios e gestão

Em educação, a estatística descritiva pode relatar notas, frequência, uso de plataformas, perfil de turma e participação em atividades. Em um estudo sobre relação entre tempo de uso de ambiente virtual e desempenho em uma disciplina, a descrição deve mostrar tempo médio de acesso, atividades concluídas, nota final e variação entre estudantes.

Em negócios e gestão, trabalhos sobre clima organizacional, satisfação de clientes ou desempenho de equipes costumam usar escalas de resposta. Uma pesquisa sobre satisfação de clientes em uma loja online pode relatar frequência de compra, avaliação do atendimento, tempo de entrega percebido e intenção de recompra. Aqui, médias de itens ou dimensões ajudam, mas a tabela deve deixar claro se cada valor se refere a um item isolado ou a um índice composto.

Em pesquisas empíricas em direito, quando há análise de decisões judiciais, a descrição pode incluir número de acórdãos por tribunal, ano, matéria, resultado e tempo de tramitação. Como muitas variáveis são categóricas, frequências e porcentagens tendem a aparecer mais do que médias.

Quais erros estudantes cometem ao relatar estatística descritiva?

Estudantes costumam errar ao escolher medidas incompatíveis com as variáveis, copiar saídas do software sem adaptação e interpretar descrições como se fossem testes de hipótese. Esses erros prejudicam a leitura porque escondem o perfil dos dados ou produzem afirmações que a análise não sustenta. Corrigir a seção descritiva exige voltar à variável, à escala e à pergunta de pesquisa.

Erros frequentes e correções

1. Calcular média para categoria nominal
   Exemplo do estudante: "A média do gênero foi 1,47, indicando predominância feminina."
   Correção: gênero declarado é variável categórica; relate n e %. Escreva, por exemplo: "Mulheres: 64 (53,3%); homens: 52 (43,3%); preferiu não informar: 4 (3,3%)."

2. Apresentar média sem dispersão
   Exemplo do estudante: "A média de satisfação foi 4,0, então os participantes ficaram satisfeitos."
   Correção: inclua desvio padrão ou mediana e intervalo. Uma média 4,0 com DP = 0,4 indica respostas concentradas; com DP = 1,5 indica maior variação.

3. Ignorar dados ausentes
   Exemplo do estudante: "Foram analisados 150 questionários", mas a tabela de renda soma apenas 93 respostas.
   Correção: informe o n válido por variável ou indique valores ausentes em nota. Isso evita que o leitor pense que todas as análises usaram a mesma base.

4. Repetir a tabela inteira no texto
   Exemplo do estudante: "A variável idade teve média 22,6, DP 4,1, mínimo 18, máximo 41; a variável renda teve mediana..."
   Correção: use o texto para comentar padrões. Deixe detalhes completos na tabela e destaque apenas os achados que ajudam a compreender a amostra.

5. Transformar descrição em causa
   Exemplo do estudante: "Como estudantes que trabalham têm média de estresse maior, o trabalho causa estresse acadêmico."
   Correção: a média sugere diferença observada, mas causalidade depende de desenho, controle de variáveis e análise adequada. Reescreva: "Estudantes que trabalhavam apresentaram maior média de estresse percebido; essa diferença deve ser examinada por análise apropriada."

Como detectar esses erros antes da entrega

Leia cada linha da tabela e pergunte: "Que tipo de variável é esta?" Depois pergunte: "A medida usada combina com esse tipo?" Esse simples controle identifica boa parte dos problemas.

Também compare texto e tabela. Se o texto menciona um valor que não aparece na tabela, o leitor não consegue conferir. Se a tabela traz uma variável que nunca é comentada nem usada no argumento, talvez ela não precise estar ali. Para organizar essa relação entre objetivos, variáveis e análise, o artigo sobre relação entre objetivos e hipóteses de pesquisa pode servir como apoio.

Como revisar sua estatística descritiva antes de avançar para testes?

Revise a estatística descritiva verificando se cada variável foi descrita com medidas adequadas, se a tabela é legível e se o texto interpreta padrões sem exagero. Essa revisão deve ocorrer antes de testes estatísticos, porque problemas descritivos podem indicar dados ausentes, categorias mal codificadas ou variáveis inadequadas. Uma boa revisão evita retrabalho na seção de resultados.

Processo de revisão em quatro passagens

Na primeira passagem, revise a planilha. Confirme se códigos estão corretos, se categorias foram nomeadas de forma compreensível e se valores impossíveis foram tratados. Idade igual a 222, nota igual a 70 em escala de 0 a 10 ou categoria vazia podem distorcer a descrição.

Na segunda passagem, revise as medidas. Variáveis categóricas devem ter n e %, enquanto variáveis numéricas precisam de média e DP ou mediana e intervalo, conforme a distribuição. Se houver escala composta, verifique se a pontuação foi calculada da mesma forma para todos os participantes.

Na terceira passagem, revise a tabela. Título, cabeçalhos, notas e casas decimais devem seguir um padrão. Evite colunas que não serão usadas e abreviações não explicadas.

Na quarta passagem, revise o texto. O parágrafo deve orientar a leitura da tabela, mencionar padrões relevantes e manter cautela. Não use a seção descritiva para defender uma hipótese antes da análise correspondente.

Antes de seguir: checklist de estatística descritiva

• Identifiquei o tipo de cada variável antes de escolher as medidas.
• Usei frequências e porcentagens para variáveis categóricas.
• Usei média e desvio padrão apenas quando a variável numérica permitia esse resumo.
• Considerei mediana e intervalo quando havia assimetria ou valores extremos.
• Informei o n total e, quando necessário, o n válido por variável.
• Expliquei abreviações como DP, mín. e máx. em nota ou no texto.
• Mantive o mesmo número de casas decimais ao longo da tabela.
• Não repeti no texto todos os números apresentados na tabela.
• Evitei afirmar causalidade com base apenas em estatística descritiva.
• Conferi se os resultados descritivos conversam com a pergunta de pesquisa e os objetivos.

O que fazer quando a descrição revela um problema

Às vezes, a estatística descritiva mostra que o plano inicial precisa ser ajustado. Um grupo pode ter poucos casos, uma variável pode ter muitos dados ausentes, uma escala pode apresentar pouca variação ou uma categoria pode estar codificada de forma inconsistente. Isso não significa que o trabalho fracassou; significa que os dados estão informando limites reais da análise.

Nesses casos, registre a decisão metodológica com transparência. Você pode reagrupar categorias, justificar o uso de mediana, excluir uma variável com muitos valores ausentes ou tratar a análise como exploratória. O ponto é não esconder o problema. Um trabalho de graduação ou mestrado ganha clareza quando mostra que as decisões estatísticas foram tomadas com base nos dados, não apenas em modelos prontos.

Links internos recomendados

(Metadados do sistema de publicação — não remova esta seção)

• Modelo visual de variáveis e indicadores mensuráveis
• Fluxo de decisão para escolher metodologia de pesquisa
• Painéis de dados conectados a uma decisão estatística
• Relação entre objetivos e hipóteses de pesquisa