Muitos analistas geram o histograma, olham para o gráfico por alguns segundos e seguem em frente. O problema não é a pressa — é não saber o que o gráfico está tentando revelar. O histograma responde a uma pergunta específica: como os dados se distribuem? E a resposta a essa pergunta muda completamente a análise que vem depois.
Neste guia você vai ver o caminho exato no Minitab para gerar o histograma com curva normal sobreposta, como configurar as opções que fazem diferença e — principalmente — como ler o que o gráfico está mostrando sobre assimetria e curtose. Sem isso, o histograma é só decoração no relatório de projeto.
O caminho no Minitab
A rota para o histograma simples é:
Gráfico >> Histograma
O Minitab abre uma janela com quatro opções de tipo:
- Simples — barras de frequência sem sobreposição
- Com ajuste — barras com curva de distribuição sobreposta (a mais usada em LSS)
- Com grupos — barras separadas por fator categórico
- Com ajuste e grupos — combinação das duas anteriores
Para a análise de distribuição em projetos Lean Six Sigma, a opção padrão é Com ajuste. Ela plota as barras de frequência e sobrepõe automaticamente a curva da distribuição ajustada aos dados.
Configurando o histograma com curva normal
Após selecionar Com ajuste e clicar em OK, o Minitab abre a janela principal de configuração. O passo essencial é inserir a coluna com os dados no campo Variáveis em gráfico. Uma coluna por gráfico — se quiser comparar duas variáveis, gere dois histogramas separados.
Por padrão, o Minitab já ajusta a curva normal aos dados. Mas é possível sobrepor outras distribuições pelo botão Escala e depois Y — onde você pode alternar entre frequência absoluta e densidade de probabilidade. Para comparar visualmente o ajuste da curva aos dados, a escala de densidade é mais precisa porque a curva e as barras ficam na mesma escala.
O botão Rótulos permite adicionar título e notas ao gráfico — útil para relatórios de projeto, onde o contexto da análise precisa estar documentado.
O que o histograma está revelando
A curva normal sobreposta não é enfeite. Ela serve como referência: se as barras seguem aproximadamente o formato da curva, os dados têm distribuição próxima da normal. Se as barras fogem sistematicamente da curva, isso é informação — e informação que muda o que você faz a seguir.
Há dois padrões principais a observar: assimetria e curtose.
Assimetria: a cauda que conta a história
Um histograma simétrico tem as barras distribuídas de forma equilibrada em torno do centro. Quando a distribuição é assimétrica, uma das caudas é visivelmente mais longa que a outra.
Assimetria positiva (cauda à direita): valores extremos altos puxam a cauda para a direita. Comum em variáveis de tempo — tempo de atendimento, tempo de ciclo, tempo entre falhas. Um processo de logística com prazo médio de 3 dias, mas com alguns pedidos que demoram 15 dias, vai produzir exatamente esse padrão.
Assimetria negativa (cauda à esquerda): valores extremos baixos puxam a cauda para a esquerda. Menos frequente, mas aparece em variáveis com limite superior natural — como percentual de aproveitamento de matéria-prima, onde 100% é o teto.
Por que isso importa? Porque as ferramentas que vêm depois do histograma — carta de controle de individuais, índices de capabilidade Cp e Cpk — assumem distribuição normal. Se o histograma mostra assimetria acentuada, aplicar essas ferramentas diretamente vai gerar conclusões erradas. O passo seguinte não é ignorar a assimetria — é entender a causa e, se necessário, transformar os dados (transformação logarítmica é a mais comum para dados de tempo).
Um exemplo concreto: uma indústria farmacêutica que analisava o tempo de dissolução de cápsulas encontrou assimetria positiva com alguns lotes levando 3 vezes mais tempo que a mediana. O histograma revelou que o problema não era variação aleatória — havia um grupo de lotes com comportamento distinto. Investigar a causa especial por trás dessa cauda levou à identificação de variação no fornecedor de excipiente. Sem o histograma, o problema seria tratado como ruído.
Curtose: a forma do pico
A curtose descreve o “achatamento” da distribuição em relação à normal.
Curtose alta (leptocúrtica): distribuição com pico mais estreito e alto, e caudas mais pesadas que a normal. Os dados se concentram muito no centro, mas os valores extremos são mais frequentes do que o esperado. Em processos industriais, isso pode indicar dois modos de operação sobrepostos — um processo aparentemente estável que na verdade alterna entre dois estados diferentes.
Curtose baixa (platicúrtica): distribuição mais achatada, com valores espalhados de forma mais uniforme. Pode indicar que o processo opera com múltiplas fontes de variação de magnitude similar, sem um centro bem definido.
A leitura da curtose no histograma é visual — não é preciso calcular o índice numérico para perceber quando o pico está muito estreito ou muito achatado em relação à curva normal sobreposta. Quando a discrepância é evidente, vale registrar no relatório de projeto e investigar antes de seguir para a análise de capabilidade.
Quando o ajuste da curva não é suficiente
O histograma com curva normal sobreposta é o ponto de partida para avaliar a distribuição, mas há situações em que ele não resolve sozinho. Dois padrões exigem atenção especial:
Histograma bimodal: duas “colinas” visíveis no gráfico, em vez de uma. Isso quase sempre indica que os dados vêm de duas populações misturadas — turnos diferentes, máquinas diferentes, operadores diferentes. Antes de qualquer análise estatística, é preciso estratificar os dados e analisar cada grupo separadamente. Um histograma bimodal tratado como unimodal produz estimativas de média e desvio padrão que não representam nenhuma das duas populações.
Barra isolada fora do padrão: uma barra muito alta ou muito baixa afastada do restante pode indicar outlier legítimo, erro de medição ou falha de registro. O próximo passo é investigar os dados individuais que compõem aquela barra — no Minitab, clicar sobre qualquer barra do histograma abre a lista de observações correspondentes, o que facilita muito essa investigação.
Para aprofundar a análise de distribuição e entender as propriedades matemáticas que o histograma está estimando, o artigo sobre distribuição normal cobre os fundamentos com mais detalhe.
Histograma na fase Measure do DMAIC
O histograma é uma das primeiras ferramentas usadas na fase Measure do DMAIC. A sequência lógica é: coletar os dados da variável de saída do processo → construir o histograma → avaliar distribuição, assimetria e curtose → decidir quais ferramentas estatísticas fazem sentido nas fases seguintes.
Essa ordem importa. Partir diretamente para carta de controle ou índices de capabilidade sem antes verificar a distribuição é o erro mais comum em projetos de melhoria — e o histograma é exatamente a verificação que evita esse erro. Quem conhece estatística aplicada ao Six Sigma sabe que a escolha da ferramenta depende do que os dados mostram, não do que o cronograma do projeto exige.
Depois do histograma, a análise de capabilidade com Cp e Cpk é o próximo passo natural — mas só quando a distribuição confirmar que a suposição de normalidade é razoável.
Erros comuns ao usar o histograma no Minitab
Alguns padrões se repetem em projetos de melhoria e valem o alerta:
Usar poucos dados. Com menos de 30 observações, o histograma tem pouca resolução — as barras ficam esparsas e a curva ajustada não tem base sólida. O formato que aparece no gráfico pode mudar completamente com 20 observações a mais. Em análises exploratórias com amostras pequenas, o dotplot é mais honesto.
Interpretar a escala errada. Quando o eixo Y está em frequência absoluta, a altura das barras depende do tamanho da amostra — comparar dois histogramas com amostras de tamanhos diferentes pelo eixo Y de frequência é enganoso. Mudar para densidade resolve esse problema.
Confundir o número de intervalos com qualidade da análise. O Minitab define o número de barras automaticamente com base em algoritmos. É possível ajustar manualmente pelo botão Escala, mas aumentar barras demais fragmenta o padrão; diminuir demais esconde a assimetria. A regra prática: o ajuste automático do Minitab é bom ponto de partida para amostras acima de 50 observações.
Parar no gráfico sem documentar a interpretação. O histograma não é conclusão — é evidência. O relatório de projeto precisa registrar o que o gráfico revelou e qual decisão isso fundamentou. Um histograma sem interpretação documentada não serve para sustentar as escolhas metodológicas nas fases seguintes do DMAIC.
Para ver o histograma no contexto mais amplo do Minitab e das análises disponíveis por fase do projeto, o subpilar do software organiza as ferramentas de forma sequencial.
Conteúdo revisado pelo Master Black Belt Marcelo Petenate, estatístico, formado pela Unicamp, mestre pela USP e especialista em Lean Six Sigma e melhoria contínua.
O histograma revela a distribuição dos dados — mas saber o que fazer com essa informação é o que separa quem executa a análise de quem entende o processo. A Certificação White Belt gratuita da EDTI é o primeiro passo para desenvolver esse tipo de raciocínio — não só operar as ferramentas, mas saber o que elas estão revelando e o que fazer com isso.
Perguntas frequentes sobre histograma no Minitab
Como abrir o histograma no Minitab?
O caminho é Gráfico >> Histograma. Para análise de distribuição em projetos Lean Six Sigma, selecione a opção “Com ajuste” — ela plota as barras de frequência e sobrepõe automaticamente a curva da distribuição ajustada aos dados.
Como adicionar a curva normal ao histograma no Minitab?
Ao escolher a opção “Com ajuste” no menu Gráfico >> Histograma, o Minitab já insere a curva de distribuição ajustada automaticamente. Por padrão, ele ajusta a curva normal. Para comparar o ajuste com mais precisão, altere o eixo Y para densidade de probabilidade pelo botão Escala.
O que significa assimetria no histograma?
Assimetria significa que a distribuição dos dados não é simétrica em torno do centro. Uma cauda mais longa à direita (assimetria positiva) é comum em dados de tempo de ciclo e atendimento. Uma cauda à esquerda (assimetria negativa) aparece em variáveis com limite superior natural. Quando a assimetria é acentuada, ferramentas que assumem normalidade — como carta de controle de individuais e índices de capabilidade — precisam ser usadas com cautela.
O que é curtose no histograma?
Curtose descreve o “achatamento” da distribuição. Um histograma com pico muito estreito e alto (leptocúrtico) tem caudas mais pesadas que a normal — valores extremos são mais frequentes do que o esperado, o que pode indicar dois modos de operação misturados. Um histograma achatado (platicúrtico) sugere múltiplas fontes de variação sem um centro bem definido.
O que fazer quando o histograma mostra duas “colinas”?
Um histograma bimodal quase sempre indica que os dados vêm de duas populações misturadas — turnos, máquinas ou operadores diferentes, por exemplo. Antes de qualquer análise estatística, estratifique os dados e analise cada grupo separadamente. Tratar dados bimodais como uma distribuição única produz estimativas de média e desvio padrão que não representam nenhum dos dois grupos.
Quantos dados são necessários para o histograma ser confiável?
Com menos de 30 observações, o histograma tem pouca resolução — o padrão visual pode mudar completamente com mais algumas observações. Para análises exploratórias com amostras pequenas, o dotplot é mais honesto. O histograma com curva ajustada é mais informativo a partir de 50 observações.
O histograma no Minitab substitui o teste de normalidade?
Não. O histograma é uma avaliação visual — útil para identificar assimetria evidente, bimodalidade e outliers. Para confirmar estatisticamente se a suposição de normalidade é razoável, o Minitab oferece testes formais como Anderson-Darling e Ryan-Joiner, acessíveis em Estatística >> Estatísticas Básicas >> Teste de Normalidade. Os dois recursos são complementares, não substitutos. Se você está avançando para análise de capabilidade com Cp e Cpk, o teste formal é o passo seguinte ao histograma.
Como a EDTI ensina a interpretar o histograma em projetos reais?
Na formação Green Belt da EDTI, o histograma é trabalhado dentro do contexto da fase Measure do DMAIC — não como técnica isolada, mas como parte do raciocínio de diagnóstico do processo. O foco está em o que o gráfico revela e como isso informa as decisões seguintes, não apenas em como gerá-lo no software.