{"id":17345,"date":"2026-05-14T14:52:20","date_gmt":"2026-05-14T17:52:20","guid":{"rendered":"https:\/\/www.sults.com.br\/blog\/?p=17345"},"modified":"2026-05-15T11:06:56","modified_gmt":"2026-05-15T14:06:56","slug":"histograma","status":"publish","type":"post","link":"https:\/\/www.sults.com.br\/blog\/histograma\/","title":{"rendered":"Histograma: O que \u00e9, tipos, como fazer e interpretar"},"content":{"rendered":"\n
\n

Resumo executivo:<\/strong> O histograma \u00e9 o gr\u00e1fico de barras cont\u00edguas que mostra como dados num\u00e9ricos se distribuem em intervalos (bins): formalizado por Karl Pearson em 1895 e hoje pilar das 7 Ferramentas da Qualidade e da fase Measure do DMAIC. Mais do que ilustrar dados, ele funciona como linguagem de diagn\u00f3stico: o formato da distribui\u00e7\u00e3o revela se o processo est\u00e1 est\u00e1vel, deslocado, bimodal ou contaminado por causas especiais. Este guia cobre origem, anatomia, sete tipos, f\u00f3rmulas de bins, constru\u00e7\u00e3o em Excel e Google Sheets, interpreta\u00e7\u00e3o para Cp\/Cpk e aplica\u00e7\u00e3o em SLA de chamados e NPS.<\/p>\n\"SULTS\"\n<\/div>\n\n

\n
17.000<\/div>
buscas mensais por “histograma” no Brasil, uma das ferramentas estat\u00edsticas mais procuradas pelo p\u00fablico profissional e acad\u00eamico<\/div>
Ahrefs Keywords Explorer, 2024<\/a><\/div><\/div>\n
1895<\/div>
ano em que Karl Pearson formalizou o termo histogram<\/em> nas Philosophical Transactions of the Royal Society of London<\/em><\/div>
Ria\u00f1o, Estad\u00edstica Espa\u00f1ola, 2017<\/div><\/div>\n
3,4 DPMO<\/div>
limite Six Sigma definido a partir da \u00e1rea sob a curva normal representada no histograma, refer\u00eancia global de qualidade<\/div>
ASQ \u2014 American Society for Quality<\/a><\/div><\/div>\n
+30%<\/div>
ganho potencial de produtividade em controle de qualidade com analytics estruturado, segundo McKinsey Global Institute<\/div>
McKinsey & Company, 2024<\/a><\/div><\/div>\n<\/div>\n\n

O que \u00e9 um histograma e por que ele \u00e9 a fotografia de um processo?<\/h2>\n

Histograma \u00e9 a representa\u00e7\u00e3o gr\u00e1fica de uma distribui\u00e7\u00e3o de frequ\u00eancias, com barras cont\u00edguas em que a base indica intervalos (bins) de valores num\u00e9ricos cont\u00ednuos e a altura indica quantas observa\u00e7\u00f5es caem em cada intervalo. Diferente do gr\u00e1fico de barras, ele expressa continuidade dos dados, funcionando como fotografia estat\u00edstica do comportamento de um processo.<\/p>\n\n

A defini\u00e7\u00e3o can\u00f4nica vem da Encyclop\u00e6dia Britannica<\/em><\/a>: “histograma \u00e9 a representa\u00e7\u00e3o gr\u00e1fica de uma distribui\u00e7\u00e3o de frequ\u00eancias, utilizada para mostrar como dados num\u00e9ricos se distribuem em um intervalo de valores”. A palavra une hist\u00f3s (mastro vertical) e gramma (desenho) em grego: estrutura que Pearson formalizaria com rigor matem\u00e1tico quatro d\u00e9cadas depois das primeiras tentativas vitorianas de visualiza\u00e7\u00e3o de dados.<\/p>\n\n

Para o p\u00fablico acad\u00eamico, o histograma costuma aparecer como exerc\u00edcio de distribui\u00e7\u00e3o de notas em estat\u00edstica b\u00e1sica; para o profissional de qualidade, \u00e9 a base visual do Controle Estat\u00edstico de Processo (CEP) e uma das 7 Ferramentas da Qualidade<\/a> sistematizadas por Kaoru Ishikawa. Essa sobreposi\u00e7\u00e3o de demandas, universit\u00e1ria e industrial, explica por que o histograma figura entre os temas de an\u00e1lise de dados mais procurados no Brasil, segmento em que pequenos e m\u00e9dios neg\u00f3cios respondem por boa parte da demanda por capacita\u00e7\u00e3o, conforme dados do Sebrae (2020)<\/a> sobre sobreviv\u00eancia de empresas e pr\u00e1ticas de gest\u00e3o.<\/p>\n\n

Qual a diferen\u00e7a entre histograma e gr\u00e1fico de barras?<\/h3>\n

Histograma trata dados num\u00e9ricos cont\u00ednuos com barras coladas; gr\u00e1fico de barras trata categorias discretas com espa\u00e7o entre barras. Confundir os dois invalida a an\u00e1lise de distribui\u00e7\u00e3o: ao tratar categorias como cont\u00ednuas, o leitor assume falsa progress\u00e3o de valores; ao espa\u00e7ar barras de dados cont\u00ednuos, perde-se a no\u00e7\u00e3o de continuidade da distribui\u00e7\u00e3o.<\/p>\n\n

\n\n\n
Aspecto<\/th>Histograma<\/th>Gr\u00e1fico de barras<\/th><\/tr><\/thead>\n
Tipo de dado<\/td>Num\u00e9rico cont\u00ednuo<\/td>Categ\u00f3rico ou discreto<\/td><\/tr>\n
Espa\u00e7o entre barras<\/td>Sem espa\u00e7o (cont\u00edguas)<\/td>Com espa\u00e7o<\/td><\/tr>\n
Ordem das barras<\/td>Fixa pelo valor num\u00e9rico<\/td>Pode ser reordenada<\/td><\/tr>\n
Eixo X<\/td>Intervalos (bins)<\/td>R\u00f3tulos de categorias<\/td><\/tr>\n
Pergunta respondida<\/td>Como os dados se distribuem?<\/td>Como categorias se comparam?<\/td><\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n\n

Qual a origem do histograma e como Karl Pearson o formalizou?<\/h2>\n

O termo histogram<\/em> foi cunhado por Karl Pearson em 1891 nas Gresham Lectures (Gresham College, Londres) e formalizado em 1895 nas Philosophical Transactions of the Royal Society<\/em>. A etimologia vem do grego hist\u00f3s<\/em> (mastro vertical) e gramma<\/em> (desenho). Pearson criou a ferramenta para visualizar distribui\u00e7\u00f5es em estudos de evolu\u00e7\u00e3o biol\u00f3gica.<\/p>\n\n

\n\nDa estat\u00edstica vitoriana ao Six Sigma: 130 anos do histograma<\/text>\n\n\nFlorence Nightingale<\/text>\nGr\u00e1ficos de mortalidade<\/text>\nmilitar<\/text>\n\n1850<\/text>\n\n1891<\/text>\nKarl Pearson cunha<\/text>\n‘histogram’<\/text>\nGresham Lectures, UCL<\/text>\nFormaliza\u00e7\u00e3o<\/text>\nPhilosophical Transactions,<\/text>\nRoyal Society<\/text>\n\n1895<\/text>\n\n1926<\/text>\nHerbert Sturges<\/text>\nRegra de bins (1+log\u2082N)<\/text>\nKaoru Ishikawa<\/text>\n7 Ferramentas da<\/text>\nQualidade<\/text>\n\n1950<\/text>\n\n1979<\/text>\nDavid Scott<\/text>\nLargura \u00f3tima de bin<\/text>\n(Biometrika)<\/text>\nFigura 1: linha do tempo do histograma como ferramenta estat\u00edstica<\/text>\n<\/svg>\n

Figura 1: Linha do tempo da consolida\u00e7\u00e3o do histograma como ferramenta estat\u00edstica e de qualidade.<\/p>\n<\/div>\n\n

Quem antecedeu Pearson na visualiza\u00e7\u00e3o de dados?<\/h3>\n

William Playfair (1759-1823) desenvolveu os primeiros gr\u00e1ficos de barras e linhas no s\u00e9culo XVIII; e Florence Nightingale usou gr\u00e1ficos de distribui\u00e7\u00e3o em 1850 para reduzir mortalidade hospitalar militar brit\u00e2nica. Esses precursores estabeleceram o princ\u00edpio visual que Pearson formalizaria d\u00e9cadas depois com rigor matem\u00e1tico.<\/p>\n\n

A contribui\u00e7\u00e3o de Nightingale costuma ser subestimada: ao apresentar ao Parlamento brit\u00e2nico gr\u00e1ficos que correlacionavam higiene e mortalidade, ela pavimentou o caminho para a aceita\u00e7\u00e3o de gr\u00e1ficos de distribui\u00e7\u00e3o como instrumento de pol\u00edtica p\u00fablica, antes mesmo que o termo “histograma” existisse.<\/p>\n\n

Quando o histograma entrou no controle de qualidade?<\/h3>\n

Nos anos 1950, Kaoru Ishikawa incorporou o histograma \u00e0s 7 Ferramentas da Qualidade. Em 1979, David Scott derivou a largura \u00f3tima de bin em Biometrika. Hoje \u00e9 obrigat\u00f3rio na fase Measure do DMAIC e aparece em normas como a ABNT ISO\/TR 10017, base estat\u00edstica para o ciclo PDCA<\/a> aplicado \u00e0 qualidade.<\/p>\n\n

Quais s\u00e3o as partes de um histograma e como ler cada elemento?<\/h2>\n

Um histograma tem eixo X com intervalos (bins) de igual amplitude, eixo Y com frequ\u00eancia absoluta ou relativa, e barras cont\u00edguas cuja altura indica o n\u00famero de observa\u00e7\u00f5es no intervalo. Os elementos auxiliares incluem amplitude de classe, frequ\u00eancia absoluta (ni) e frequ\u00eancia relativa (fi% = ni\/N \u00d7 100).<\/p>\n\n

\n\nAnatomia de um histograma: cinco elementos para ler<\/text>\n\n\n\n\n\n\n\nFrequ\u00eancia (ni)<\/text>\n\n\n\n\n\n\n\nClasse 1<\/text>\nClasse 2<\/text>\nClasse 3<\/text>\nClasse 4<\/text>\nClasse 5<\/text>\nClasse 6<\/text>\nClasse 7<\/text>\n\n\n\n\n\n1<\/text>\n\n\n2<\/text>\n\n\n3<\/text>\n\n\n4<\/text>\n\n\n5<\/text>\n1 Eixo X: intervalos<\/text>\n(bins)<\/text>\n2 Eixo Y: frequ\u00eancia<\/text>\nabsoluta<\/text>\n3 Altura = ni<\/text>\n4 Amplitude de classe<\/text>\n5 fi% = (ni \/ N) \u00d7 100<\/text>\nBarras cont\u00edguas, mesma amplitude<\/text>\n<\/svg>\n

Figura 2: Anatomia rotulada de um histograma com seus cinco elementos fundamentais.<\/p>\n<\/div>\n\n

O que \u00e9 frequ\u00eancia absoluta e frequ\u00eancia relativa?<\/h3>\n

Frequ\u00eancia absoluta \u00e9 o n\u00famero bruto de ocorr\u00eancias em cada classe (ni). Frequ\u00eancia relativa \u00e9 a propor\u00e7\u00e3o em percentual: fi% = (ni \/ N) \u00d7 100. Usar uma ou outra muda o eixo Y mas n\u00e3o o formato. A escolha depende do objetivo: absoluta favorece contagem operacional; relativa facilita compara\u00e7\u00e3o entre conjuntos de tamanhos diferentes.<\/p>\n\n

Como calcular a amplitude de classe?<\/h3>\n

Amplitude = (Valor m\u00e1ximo \u2212 Valor m\u00ednimo) \/ N\u00famero de classes. Cada bin deve ter a mesma amplitude para que o histograma seja interpret\u00e1vel; bins desiguais exigem ajustes especiais raramente usados. Em cooperativas agroindustriais que monitoram calibre de frutas, por exemplo, a amplitude precisa ser pequena o suficiente para detectar diferen\u00e7as entre lotes, mas grande o bastante para n\u00e3o fragmentar a distribui\u00e7\u00e3o em barras espinhosas.<\/p>\n\n

Vale lembrar a recomenda\u00e7\u00e3o cl\u00e1ssica: trabalhar com m\u00ednimo de 30 a 50 observa\u00e7\u00f5es para que a distribui\u00e7\u00e3o aparente reflita o processo real, conforme orienta\u00e7\u00e3o compilada pela Qualyteam, 2024<\/a>. Esse volume m\u00ednimo conecta-se diretamente \u00e0 qualidade dos indicadores de desempenho<\/a> derivados da an\u00e1lise.<\/p>\n\n

Quais s\u00e3o os tipos de histograma e o que cada formato revela sobre o processo?<\/h2>\n

H\u00e1 sete formatos cl\u00e1ssicos: sim\u00e9trico, assim\u00e9trico \u00e0 direita, assim\u00e9trico \u00e0 esquerda, bimodal, achatado (platic\u00fartico), em despenhadeiro e com pico isolado. Cada forma \u00e9 um diagn\u00f3stico: sim\u00e9trico indica processo est\u00e1vel e centrado; bimodal sugere duas popula\u00e7\u00f5es misturadas; pico isolado aponta causa especial ou contamina\u00e7\u00e3o de lote.<\/p>\n\n

A leitura por formato \u00e9 o que diferencia o profissional do iniciante. Onde o leitor amador v\u00ea apenas barras desiguais, o analista treinado l\u00ea a assinatura de um problema. O Toyota Production System (TPS) torna esse ponto concreto: ao tratar a an\u00e1lise estat\u00edstica da variabilidade como rotina de ch\u00e3o de f\u00e1brica \u2014 pr\u00e1tica descrita em detalhe por Jeffrey Liker em The Toyota Way<\/em> (2004) e analisada em estudo do IEEE Xplore, 2010<\/a> sobre o TPS \u2014 a Toyota construiu a disciplina de melhoria cont\u00ednua que sustentaria sua lideran\u00e7a financeira no setor automotivo nos anos 2000.<\/p>\n\n

\n\n
\n
1<\/div>
Sim\u00e9trico (Normal)<\/div>
Processo est\u00e1vel e centrado<\/div><\/div><\/div>\n
\n\n\n\n\n\nTipo 1: Sim\u00e9trico (Normal)<\/text>\n\n\n\nProcesso est\u00e1vel e centrado<\/text>\n\n\nFrequ\u00eancia<\/text>\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\nm\u00e9dia = mediana = moda<\/text>\n\n\n\n\n\n\n\n\n\nExemplo:<\/text>\nToyota (TPS) \u2014<\/text>\ncotas usinadas<\/text>\n\n\nValor da vari\u00e1vel<\/text>\n\n<\/svg>\n

Distribui\u00e7\u00e3o em forma de sino, com m\u00e9dia, mediana e moda aproximadamente iguais. Indica processo previs\u00edvel, sob controle estat\u00edstico, com causas comuns dominantes.<\/p>\n

Quando usar:<\/strong> esperado em processos maduros, sob CEP, com varia\u00e7\u00e3o aleat\u00f3ria somente.<\/p>\n

Exemplo:<\/strong> Toyota: dimens\u00f5es de pe\u00e7as usinadas dentro do TPS formam distribui\u00e7\u00e3o normal centrada na cota nominal.<\/p>\n<\/div>\n

est\u00e1vel<\/span>centrado<\/span>normal<\/span><\/div>\n<\/div>\n\n
\n
2<\/div>
Assim\u00e9trico \u00e0 direita<\/div>
Cauda longa para cima, outliers superiores<\/div><\/div><\/div>\n
\n\n\n \n \n <\/marker>\n<\/defs>\n\nTipo 2: Assim\u00e9trico \u00e0 direita<\/text>\n\nLimite inferior r\u00edgido (zero)<\/text>\n\n\n\nFrequ\u00eancia<\/text>\n\n\n\n\n\n\n\n\n\n\n\nCauda \u00e0 direita<\/text>\n\n\n\n\nExemplo: TI \u2014<\/text>\ntempo de resolu\u00e7\u00e3o,<\/text>\nSLA estourado<\/text>\nValor da vari\u00e1vel<\/text>\n<\/svg>\n

Pico \u00e0 esquerda e cauda longa para a direita. Surge quando h\u00e1 limite inferior r\u00edgido (zero) e outliers superiores.<\/p>\n

Quando usar:<\/strong> tempos de resolu\u00e7\u00e3o, tempo de espera, renda, todos com piso natural em zero.<\/p>\n

Exemplo:<\/strong> servi\u00e7os, tempo de resolu\u00e7\u00e3o de chamados de TI com cauda \u00e0 direita revelando tickets que estouram o SLA.<\/p>\n<\/div>\n

cauda-direita<\/span>outliers<\/span>SLA<\/span><\/div>\n<\/div>\n\n
\n
3<\/div>
Assim\u00e9trico \u00e0 esquerda<\/div>
Cauda longa para baixo, outliers inferiores<\/div><\/div><\/div>\n
\n\n\n<\/marker>\n<\/defs>\n\nTipo 3: Assim\u00e9trico \u00e0 esquerda<\/text>\n\n\nTeto natural (nota m\u00e1xima, NPS 10)<\/text>\n\nFrequ\u00eancia<\/text>\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\nCauda \u00e0 esquerda<\/text>\n\n\n\n\nExemplo: Educa\u00e7\u00e3o<\/text>\nnotas com teto<\/text>\nem 10<\/text>\nExemplo: Educa\u00e7\u00e3o \u2014 notas com teto em 10<\/text>\n\nValor da vari\u00e1vel<\/text>\n<\/svg>\n

Pico \u00e0 direita e cauda longa para a esquerda. Surge quando h\u00e1 teto natural (nota m\u00e1xima 10, NPS 10) e poucos casos com desempenho muito baixo.<\/p>\n

Quando usar:<\/strong> avalia\u00e7\u00f5es com nota m\u00e1xima fixa, percentuais com teto em 100%.<\/p>\n

Exemplo:<\/strong> educa\u00e7\u00e3o, distribui\u00e7\u00e3o de notas com teto em 10 e cauda \u00e0 esquerda mostrando alunos com baixo desempenho isolado.<\/p>\n<\/div>\n

cauda-esquerda<\/span>limite-superior<\/span>NPS<\/span><\/div>\n<\/div>\n\n
\n
4<\/div>
Bimodal<\/div>
Dois picos, duas popula\u00e7\u00f5es<\/div><\/div><\/div>\n
\n\n\n<\/marker>\n<\/defs>\n\nTipo 4: Bimodal<\/text>\n\nVale: estratificar dados<\/text>\nFrequ\u00eancia<\/text>\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\nPop A<\/text>\n\nPop B<\/text>\n\nValor da vari\u00e1vel<\/text>\n\n\n\nExemplo: NPS \u2014<\/text>\npromotores (9-10)<\/text>\nvs. detratores<\/text>\n(0-2)<\/text>\n<\/svg>\n

Dois picos separados por um vale. Sinal cl\u00e1ssico de mistura: duas m\u00e1quinas, dois turnos, dois fornecedores ou dois subprocessos medidos juntos.<\/p>\n

Quando usar:<\/strong> alerta para estratifica\u00e7\u00e3o. Refa\u00e7a o histograma separando por categoria.<\/p>\n

Exemplo:<\/strong> NPS bimodal, base de clientes polarizada entre promotores fi\u00e9is (9-10) e detratores (0-2), sem meio termo.<\/p>\n<\/div>\n

dois-picos<\/span>mistura<\/span>polariza\u00e7\u00e3o<\/span><\/div>\n<\/div>\n\n
\n
5<\/div>
Achatado (Platic\u00fartico)<\/div>
Distribui\u00e7\u00e3o uniforme sem pico<\/div><\/div><\/div>\n
\n\n\nTipo 5: Achatado (Platic\u00fartico)<\/text>\n\n\nM\u00faltiplas causas de varia\u00e7\u00e3o<\/text>\n\n\n\n\nFrequ\u00eancia<\/text>\n\n\n\n\n\n\n\n\n\n\n\n\n\n\nSem pico dominante<\/text>\n\n\n\n\n\n\n\nExemplo: Varejo<\/text>\n\u2014 fila no caixa<\/text>\n(30s a 8min)<\/text>\n\nValor da vari\u00e1vel<\/text>\n\n<\/svg>\n

Barras de altura quase id\u00eantica formando topo plano. Indica m\u00faltiplas causas de varia\u00e7\u00e3o com contribui\u00e7\u00e3o semelhante, sem fator dominante.<\/p>\n

Quando usar:<\/strong> alerta para falta de padroniza\u00e7\u00e3o ou m\u00faltiplos operadores\/equipamentos atuando simultaneamente.<\/p>\n

Exemplo:<\/strong> varejo, tempo de fila no caixa achatado entre 30 segundos e 8 minutos indicando m\u00faltiplas fontes de varia\u00e7\u00e3o.<\/p>\n<\/div>\n

uniforme<\/span>m\u00faltiplas-causas<\/span>platic\u00fartico<\/span><\/div>\n<\/div>\n\n
\n
6<\/div>
Despenhadeiro<\/div>
Queda abrupta em um dos lados<\/div><\/div><\/div>\n
\n\n\n \n \n <\/marker>\n<\/defs>\n\n\nTipo 6: Despenhadeiro<\/text>\n\n\nTruncamento \/ barreira f\u00edsica<\/text>\n\nFrequ\u00eancia<\/text>\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\nQueda abrupta (cliff)<\/text>\n\nLSE<\/text>\n\n\n\n\n\n\n\nExemplo: Ind\u00fastria<\/text>\npe\u00e7as retrabalhadas<\/text>\nremovidas antes<\/text>\nda inspe\u00e7\u00e3o final<\/text>\n\nDados truncados geram<\/text>\nCp\/Cpk superestimado<\/text>\ne an\u00e1lise inv\u00e1lida<\/text>\n\nValor da vari\u00e1vel<\/text>\n<\/svg>\n

Sobe gradual, atinge pico e cai abruptamente. Indica truncamento de dados, barreira f\u00edsica no processo ou inspe\u00e7\u00e3o 100% removendo defeituosos antes da medi\u00e7\u00e3o.<\/p>\n

Quando usar:<\/strong> alerta para filtros aplicados nos dados antes da an\u00e1lise.<\/p>\n

Exemplo:<\/strong> ind\u00fastria, pe\u00e7as retrabalhadas removidas antes da inspe\u00e7\u00e3o final, gerando despenhadeiro na borda do LSE.<\/p>\n<\/div>\n

truncamento<\/span>barreira<\/span>inspe\u00e7\u00e3o<\/span><\/div>\n<\/div>\n\n
\n
7<\/div>
Pico isolado<\/div>
Pequeno pico separado da distribui\u00e7\u00e3o principal<\/div><\/div><\/div>\n
\n\nExemplo: Food service \u2014 c\u00e2mara fria com falha (25\u00b0C)<\/desc>\n\n \n \n <\/marker>\n<\/defs>\n\nTipo 7: Pico isolado<\/text>\n\nCausa especial \/ contamina\u00e7\u00e3o<\/text>\n\n\nFrequ\u00eancia<\/text>\n\n\n\n\n\n\n\n\n\n\n\nPico isolado<\/text>\n\n\n\n\n\n\n\n\nExemplo:<\/text>\nFood service<\/text>\nc\u00e2mara fria com<\/text>\nfalha (25\u00b0C)<\/text>\n\n\n\nPico = causa<\/text>\nespecial isolada<\/text>\n<\/svg>\n

Distribui\u00e7\u00e3o principal centralizada e uma ou duas barras isoladas. Aponta contamina\u00e7\u00e3o de lote, erro de medi\u00e7\u00e3o, causa especial ou amostra de origem distinta.<\/p>\n

Quando usar:<\/strong> investiga\u00e7\u00e3o imediata da causa especial; isolar o lote\/turno\/fornecedor respons\u00e1vel.<\/p>\n

Exemplo:<\/strong> food service, temperatura de armazenamento com pico isolado em 25\u00b0C revelando c\u00e2mara fria com falha intermitente.<\/p>\n<\/div>\n

causa-especial<\/span>contamina\u00e7\u00e3o<\/span>outlier<\/span><\/div>\n<\/div>\n\n<\/div>\n\n

Para investigar a causa por tr\u00e1s de cada padr\u00e3o, o histograma \u00e9 apenas o ponto de partida; cruzar com diagrama de Ishikawa<\/a> e an\u00e1lise de causa raiz \u00e9 o que transforma diagn\u00f3stico em a\u00e7\u00e3o.<\/p>\n\n

Como construir um histograma passo a passo?<\/h2>\n

S\u00e3o sete passos: (1) coletar trinta ou mais observa\u00e7\u00f5es num\u00e9ricas cont\u00ednuas, (2) definir o n\u00famero de classes via heur\u00edstica, (3) calcular a amplitude de classe, (4) montar a tabela de frequ\u00eancias, (5) desenhar as barras cont\u00edguas, (6) sobrepor limites de especifica\u00e7\u00e3o quando aplic\u00e1vel e (7) interpretar centralidade, dispers\u00e3o e simetria.<\/p>\n\n

    \n
  1. Coletar dados:<\/strong> reunir conjunto num\u00e9rico cont\u00ednuo com m\u00ednimo de 30-50 observa\u00e7\u00f5es. Abaixo disso, a distribui\u00e7\u00e3o aparente n\u00e3o reflete o processo real.<\/li>\n
  2. Definir o n\u00famero de classes:<\/strong> aplicar Sturges, Rice, Scott ou Freedman-Diaconis (detalhes na pr\u00f3xima se\u00e7\u00e3o).<\/li>\n
  3. Calcular a amplitude:<\/strong> (Valor m\u00e1ximo \u2212 Valor m\u00ednimo) \/ N\u00famero de classes. Arredonde para facilitar leitura.<\/li>\n
  4. Construir a tabela de frequ\u00eancias:<\/strong> contar ocorr\u00eancias por intervalo (ni) e calcular percentual (fi%).<\/li>\n
  5. Desenhar as barras:<\/strong> altura proporcional \u00e0 frequ\u00eancia, barras adjacentes sem espa\u00e7amento.<\/li>\n
  6. Sobrepor LSE\/LIE:<\/strong> quando aplic\u00e1vel \u00e0 an\u00e1lise de capacidade do processo.<\/li>\n
  7. Interpretar o formato:<\/strong> identificar centralidade, dispers\u00e3o, simetria, bimodalidade ou outliers.<\/li>\n<\/ol>\n\n
    \n

    Exemplo num\u00e9rico end-to-end (tempo de resolu\u00e7\u00e3o de chamado, em segundos):<\/strong><\/p>\n

    Suponha n = 50 chamados, com m\u00ednimo de 30s e m\u00e1ximo de 480s.<\/p>\n