{"id":546,"date":"2023-07-29T13:27:37","date_gmt":"2023-07-29T13:27:37","guid":{"rendered":"https:\/\/statorials.org\/pt\/tamanho-do-efeito\/"},"modified":"2023-07-29T13:27:37","modified_gmt":"2023-07-29T13:27:37","slug":"tamanho-do-efeito","status":"publish","type":"post","link":"https:\/\/statorials.org\/pt\/tamanho-do-efeito\/","title":{"rendered":"Tamanho do efeito: o que \u00e9 e por que \u00e9 importante"},"content":{"rendered":"<p><\/p>\n<hr>\n<p><span style=\"color: #000000;\"><em>\u201cA signific\u00e2ncia estat\u00edstica \u00e9 o que menos interessa nos resultados. \u00c9 necess\u00e1rio descrever os resultados em termos de medidas de magnitude \u2013 n\u00e3o s\u00f3 um tratamento afecta as pessoas, mas tamb\u00e9m o quanto as afecta.<\/em> -Gene V. Vidro<\/span><\/p>\n<hr>\n<p> <span style=\"color: #000000;\">Nas estat\u00edsticas, costumamos usar <a href=\"https:\/\/statorials.org\/pt\/p-valores-significancia-estatistica\/\" target=\"_blank\" rel=\"noopener\">valores p<\/a> para determinar se h\u00e1 uma diferen\u00e7a estatisticamente significativa entre dois grupos.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Por exemplo, digamos que queremos saber se duas t\u00e9cnicas de estudo diferentes levam a resultados diferentes em testes. Portanto, temos um grupo de 20 alunos que utilizam uma t\u00e9cnica de estudo para se preparar para um teste, enquanto outro grupo de 20 alunos utiliza uma t\u00e9cnica de estudo diferente. Em seguida, aplicamos a cada aluno o mesmo teste.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Depois de executar um teste t de duas amostras para determinar uma diferen\u00e7a nas m\u00e9dias, descobrimos que o valor p do teste \u00e9 0,001. Se utilizarmos um n\u00edvel de signific\u00e2ncia de 0,05, isso significa que existe uma diferen\u00e7a estatisticamente significativa entre as m\u00e9dias dos resultados dos dois grupos. Portanto, a t\u00e9cnica de estudo tem impacto nos resultados dos testes.<\/span><\/p>\n<p> <span style=\"color: #000000;\">No entanto, embora o valor p nos diga que a t\u00e9cnica de estudo tem um impacto nos resultados dos testes, n\u00e3o nos diz a <em>magnitude<\/em> desse impacto. Para entender isso, precisamos saber <strong>o tamanho do efeito<\/strong> .<\/span><\/p>\n<h2> <span style=\"color: #000000;\"><strong>Qual \u00e9 o tamanho do efeito?<\/strong><\/span><\/h2>\n<p> <span style=\"color: #000000;\">Um <strong>tamanho de efeito<\/strong> \u00e9 uma forma de quantificar a diferen\u00e7a entre dois grupos.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Embora um valor p possa nos dizer se h\u00e1 ou n\u00e3o uma diferen\u00e7a estatisticamente significativa entre dois grupos, um tamanho de efeito pode nos dizer <em>qu\u00e3o grande<\/em> \u00e9 realmente essa diferen\u00e7a. Na pr\u00e1tica, os tamanhos dos efeitos s\u00e3o muito mais interessantes e \u00fateis de saber do que os valores-p.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Existem tr\u00eas maneiras de medir o tamanho do efeito, dependendo do tipo de an\u00e1lise que voc\u00ea est\u00e1 fazendo:<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>1. Diferen\u00e7a m\u00e9dia padronizada<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Quando voc\u00ea deseja estudar a diferen\u00e7a m\u00e9dia entre dois grupos, a maneira apropriada de calcular o tamanho do efeito \u00e9 usar uma <strong>diferen\u00e7a m\u00e9dia padronizada<\/strong> . A f\u00f3rmula mais popular para usar \u00e9 conhecida como <em>d<\/em> de Cohen, que \u00e9 calculada da seguinte forma:<\/span><\/p>\n<p style=\"text-align: center;\"> <span style=\"color: #000000;\"><em>D<\/em> <sub>de<\/sub> Cohen = ( <span style=\"border-top: 1px solid black;\">x1<\/span> \u2013 <span style=\"border-top: 1px solid black;\">x2<\/span> )\/ <sub>s<\/sub><\/span><\/p>\n<p> <span style=\"color: #000000;\">onde <span style=\"border-top: 1px solid black;\">x<\/span> <sub>1<\/sub> <span style=\"border-top: 1px solid black;\">ex<\/span> <sub>2<\/sub> s\u00e3o as m\u00e9dias amostrais do grupo 1 e do grupo 2, respectivamente, e <em>s<\/em> \u00e9 o desvio padr\u00e3o da popula\u00e7\u00e3o da qual os dois grupos foram sorteados.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Usando esta f\u00f3rmula, o tamanho do efeito \u00e9 f\u00e1cil de interpretar:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">Um <em>d<\/em> de 1 indica que as m\u00e9dias dos dois grupos diferem em um desvio padr\u00e3o.<\/span><\/li>\n<li> <span style=\"color: #000000;\">Um <em>d<\/em> de 2 significa que as m\u00e9dias do grupo diferem em dois desvios padr\u00e3o.<\/span><\/li>\n<li> <span style=\"color: #000000;\">Um <em>d<\/em> de 2,5 indica que as duas m\u00e9dias diferem em 2,5 desvios padr\u00e3o e assim por diante.<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Outra forma de interpretar o tamanho do efeito \u00e9: um tamanho de efeito de 0,3 significa que a pontua\u00e7\u00e3o da pessoa m\u00e9dia no Grupo <em>2<\/em> est\u00e1 0,3 desvios padr\u00e3o acima da m\u00e9dia da pessoa do grupo <em>1<\/em> e, portanto, excede as pontua\u00e7\u00f5es de 62% das pessoas do grupo <em>1<\/em> . .<\/span><\/p>\n<p> <span style=\"color: #000000;\">A tabela a seguir mostra diferentes tamanhos de efeito e seus percentis correspondentes:<\/span><\/p>\n<div style=\"max-width: 50%; margin: 0 auto;\">\n<table>\n<tbody>\n<tr>\n<th> <strong><span style=\"color: #000000;\">Tamanho do efeito<\/span><\/strong><\/th>\n<th> <strong><span style=\"color: #000000;\">Porcentagem do grupo <em>2<\/em> que estaria abaixo da m\u00e9dia das pessoas do grupo <em>1<\/em><\/span><\/strong><\/th>\n<\/tr>\n<tr>\n<td> <span style=\"color: #000000;\">0,0<\/span><\/td>\n<td> <span style=\"color: #000000;\">50%<\/span><\/td>\n<\/tr>\n<tr>\n<td> <span style=\"color: #000000;\">0,2<\/span><\/td>\n<td> <span style=\"color: #000000;\">58%<\/span><\/td>\n<\/tr>\n<tr>\n<td> <span style=\"color: #000000;\">0,4<\/span><\/td>\n<td> <span style=\"color: #000000;\">66%<\/span><\/td>\n<\/tr>\n<tr>\n<td> <span style=\"color: #000000;\">0,6<\/span><\/td>\n<td> <span style=\"color: #000000;\">73%<\/span><\/td>\n<\/tr>\n<tr>\n<td> <span style=\"color: #000000;\">0,8<\/span><\/td>\n<td> <span style=\"color: #000000;\">79%<\/span><\/td>\n<\/tr>\n<tr>\n<td> <span style=\"color: #000000;\">1,0<\/span><\/td>\n<td> <span style=\"color: #000000;\">84%<\/span><\/td>\n<\/tr>\n<tr>\n<td> <span style=\"color: #000000;\">1.2<\/span><\/td>\n<td> <span style=\"color: #000000;\">88%<\/span><\/td>\n<\/tr>\n<tr>\n<td> <span style=\"color: #000000;\">1.4<\/span><\/td>\n<td> <span style=\"color: #000000;\">92%<\/span><\/td>\n<\/tr>\n<tr>\n<td> <span style=\"color: #000000;\">1.6<\/span><\/td>\n<td> <span style=\"color: #000000;\">95%<\/span><\/td>\n<\/tr>\n<tr>\n<td> <span style=\"color: #000000;\">1,8<\/span><\/td>\n<td> <span style=\"color: #000000;\">96%<\/span><\/td>\n<\/tr>\n<tr>\n<td> <span style=\"color: #000000;\">2,0<\/span><\/td>\n<td> <span style=\"color: #000000;\">98%<\/span><\/td>\n<\/tr>\n<tr>\n<td> <span style=\"color: #000000;\">2,5<\/span><\/td>\n<td> <span style=\"color: #000000;\">99%<\/span><\/td>\n<\/tr>\n<tr>\n<td> <span style=\"color: #000000;\">3,0<\/span><\/td>\n<td> <span style=\"color: #000000;\">99,9%<\/span><\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n<p> <span style=\"color: #000000;\">Quanto maior o tamanho do efeito, maior ser\u00e1 a diferen\u00e7a entre o indiv\u00edduo m\u00e9dio de cada grupo.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Em geral, um <em>d<\/em> de 0,2 ou menos \u00e9 considerado um tamanho de efeito pequeno, um <em>d<\/em> de cerca de 0,5 \u00e9 considerado um tamanho de efeito m\u00e9dio e um <em>d<\/em> de 0,8 ou maior \u00e9 considerado um tamanho de efeito grande.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Assim, se as m\u00e9dias de dois grupos n\u00e3o diferirem em pelo menos 0,2 desvios padr\u00e3o, a diferen\u00e7a \u00e9 insignificante, mesmo que o valor p seja estatisticamente significativo.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>2. Coeficiente de correla\u00e7\u00e3o<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Quando se deseja estudar a rela\u00e7\u00e3o quantitativa entre duas vari\u00e1veis, a forma mais comum de calcular o tamanho do efeito \u00e9 utilizar o <a href=\"https:\/\/statorials.org\/pt\/coeficiente-de-correlacao-de-pearson-1\/\" target=\"_blank\" rel=\"noopener\">coeficiente de correla\u00e7\u00e3o de Pearson<\/a> . \u00c9 uma medida de associa\u00e7\u00e3o linear entre duas vari\u00e1veis <em>X<\/em> e <em>Y.<\/em> Possui valor entre -1 e 1 onde:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">-1 indica uma correla\u00e7\u00e3o linear perfeitamente negativa entre duas vari\u00e1veis<\/span><\/li>\n<li> <span style=\"color: #000000;\">0 indica nenhuma correla\u00e7\u00e3o linear entre duas vari\u00e1veis<\/span><\/li>\n<li> <span style=\"color: #000000;\">1 indica uma correla\u00e7\u00e3o linear perfeitamente positiva entre duas vari\u00e1veis<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">A f\u00f3rmula de c\u00e1lculo do coeficiente de correla\u00e7\u00e3o de Pearson \u00e9 bastante complexa, mas pode ser encontrada <a href=\"https:\/\/en.wikipedia.org\/wiki\/Pearson_correlation_coefficient\" target=\"_blank\" rel=\"noopener\">aqui<\/a> para quem tiver interesse.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Quanto mais longe o coeficiente de correla\u00e7\u00e3o estiver de zero, mais forte ser\u00e1 a rela\u00e7\u00e3o linear entre duas vari\u00e1veis. Isso tamb\u00e9m pode ser visto criando um gr\u00e1fico de dispers\u00e3o simples dos valores das vari\u00e1veis <em>X<\/em> e <em>Y.<\/em><\/span><\/p>\n<p> <span style=\"color: #000000;\">Por exemplo, o gr\u00e1fico de dispers\u00e3o a seguir mostra os valores de duas vari\u00e1veis com um coeficiente de correla\u00e7\u00e3o de <em>r =<\/em> 0,94.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Este valor est\u00e1 longe de zero, indicando que existe uma forte rela\u00e7\u00e3o positiva entre as duas vari\u00e1veis.<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-4813 size-full\" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/taille-deffet1.jpg\" alt=\"\" width=\"331\" height=\"309\" srcset=\"\" sizes=\"auto, \"><\/p>\n<p> <span style=\"color: #000000;\">Por outro lado, o gr\u00e1fico de dispers\u00e3o a seguir mostra os valores de duas vari\u00e1veis que possuem um coeficiente de correla\u00e7\u00e3o de <em>r =<\/em> 0,03. Este valor \u00e9 pr\u00f3ximo de zero, indicando que praticamente n\u00e3o existe rela\u00e7\u00e3o entre as duas vari\u00e1veis.<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-4814 size-full\" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/taille-deffet2.jpg\" alt=\"\" width=\"327\" height=\"306\" srcset=\"\" sizes=\"auto, \"><\/p>\n<p> <span style=\"color: #000000;\">Em geral, o tamanho do efeito \u00e9 considerado pequeno se o valor do coeficiente de correla\u00e7\u00e3o de Pearson <em>r<\/em> for cerca de 0,1, m\u00e9dio se <em>r<\/em> for cerca de 0,3 e grande se <em>r<\/em> for igual ou superior a 0,5.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>3. Propor\u00e7\u00e3o de probabilidades<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Quando voc\u00ea deseja estudar as chances de sucesso em um grupo de tratamento versus as chances de sucesso em um grupo de controle, a maneira mais comum de calcular o tamanho do efeito \u00e9 usar a <strong>raz\u00e3o de chances<\/strong> .<\/span><\/p>\n<p> <span style=\"color: #000000;\">Por exemplo, suponha que temos a seguinte tabela:<\/span><\/p>\n<table>\n<tbody>\n<tr>\n<th> <span style=\"color: #000000;\">Tamanho do efeito<\/span><\/th>\n<th> <span style=\"color: #000000;\">#Sucesso<\/span><\/th>\n<th> <span style=\"color: #000000;\">#Xadrez<\/span><\/th>\n<\/tr>\n<tr>\n<td> <strong><span style=\"color: #000000;\">Grupo de tratamento<\/span><\/strong><\/td>\n<td> <span style=\"color: #000000;\">TEM<\/span><\/td>\n<td> <span style=\"color: #000000;\">B<\/span><\/td>\n<\/tr>\n<tr>\n<td> <strong><span style=\"color: #000000;\">Grupo de controle<\/span><\/strong><\/td>\n<td> <span style=\"color: #000000;\">VS<\/span><\/td>\n<td> <span style=\"color: #000000;\">D<\/span><\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p> <span style=\"color: #000000;\">A raz\u00e3o de chances seria calculada da seguinte forma:<\/span><\/p>\n<p style=\"text-align: center;\"> <span style=\"color: #000000;\">Propor\u00e7\u00e3o de probabilidades = (AD) \/ (BC)<\/span><\/p>\n<p> <span style=\"color: #000000;\">Quanto mais longe o odds ratio estiver de 1, maior ser\u00e1 a probabilidade de o tratamento produzir um efeito real.<\/span><\/p>\n<h2> <span style=\"color: #000000;\"><strong>Os benef\u00edcios do uso de tamanhos de efeito em vez de valores P<\/strong><\/span><\/h2>\n<p> <span style=\"color: #000000;\">Os tamanhos de efeito t\u00eam v\u00e1rias vantagens sobre os valores p:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>1.<\/strong> O tamanho do efeito nos ajuda a ter uma ideia melhor de <em>qu\u00e3o grande<\/em> \u00e9 a diferen\u00e7a entre dois grupos ou <em>qu\u00e3o forte<\/em> \u00e9 a associa\u00e7\u00e3o entre dois grupos. Um valor p s\u00f3 pode nos dizer se <em>h\u00e1<\/em> ou n\u00e3o uma diferen\u00e7a significativa ou uma associa\u00e7\u00e3o significativa.<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>2.<\/strong> Ao contr\u00e1rio dos valores p, os tamanhos dos efeitos podem ser usados para comparar quantitativamente os resultados de diferentes estudos realizados em diferentes ambientes. Por esse motivo, os tamanhos de efeito s\u00e3o frequentemente usados em meta-an\u00e1lises.<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>3.<\/strong> Os valores de P podem ser afetados por amostras grandes. Quanto maior o tamanho da amostra, maior o poder estat\u00edstico de um teste de hip\u00f3tese, permitindo detectar at\u00e9 mesmo efeitos pequenos. Isto pode levar a valores de p baixos, apesar dos pequenos tamanhos de efeito que podem n\u00e3o ter significado pr\u00e1tico.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Um exemplo simples pode ilustrar isso claramente: suponhamos que queremos saber se duas t\u00e9cnicas de estudo levam a resultados diferentes em testes. Temos um grupo de 20 alunos usando uma t\u00e9cnica de estudo enquanto outro grupo de 20 alunos usando uma t\u00e9cnica de estudo diferente. Em seguida, aplicamos a cada aluno o mesmo teste.<\/span><\/p>\n<p> <span style=\"color: #000000;\">A pontua\u00e7\u00e3o m\u00e9dia do grupo 1 \u00e9 <b>90,65<\/b> e a pontua\u00e7\u00e3o m\u00e9dia do grupo 2 \u00e9 <b>90,75<\/b> . O desvio padr\u00e3o para a amostra 1 \u00e9 <strong>2,77<\/strong> e o desvio padr\u00e3o para a amostra 2 \u00e9 <strong>2,78<\/strong> .<\/span><\/p>\n<p> <span style=\"color: #000000;\">Quando realizamos um teste t independente para duas amostras, verifica-se que a estat\u00edstica do teste \u00e9 <strong>-0,113<\/strong> e o valor p correspondente \u00e9 <strong>0,91<\/strong> . A diferen\u00e7a entre as pontua\u00e7\u00f5es m\u00e9dias dos testes n\u00e3o \u00e9 estatisticamente significativa.<\/span><\/p>\n<p data-slot-rendered-dynamic=\"true\"> <span style=\"color: #000000;\">No entanto, considere se os tamanhos amostrais das duas amostras fossem ambos <strong>200<\/strong> , mas as m\u00e9dias e os desvios padr\u00e3o permanecessem exatamente os mesmos.<\/span><\/p>\n<p data-slot-rendered-dynamic=\"true\"> <span style=\"color: #000000;\">Nesse caso, um teste t independente para duas amostras revelaria que a estat\u00edstica do teste \u00e9 <strong>-1,97<\/strong> e o valor p correspondente est\u00e1 logo abaixo de <strong>0,05<\/strong> . A diferen\u00e7a entre as pontua\u00e7\u00f5es m\u00e9dias dos testes \u00e9 estatisticamente significativa.<\/span><\/p>\n<p> <span style=\"color: #000000;\">A raz\u00e3o subjacente pela qual amostras grandes podem levar a conclus\u00f5es estatisticamente significativas \u00e9 devido \u00e0 f\u00f3rmula usada para calcular as estat\u00edsticas do teste <em>t<\/em> :<\/span><\/p>\n<p style=\"text-align: center;\"> <span style=\"color: #000000;\"><strong>estat\u00edstica de teste <em>t<\/em><\/strong> = [ ( <span style=\"border-top: 1px solid black;\">x<\/span> <sub>1<\/sub> \u2013 <span style=\"border-top: 1px solid black;\">x<\/span> <sub>2<\/sub> ) \u2013 d ] \/ (\u221a <span style=\"border-top: 1px solid black;\">s <sup>2<\/sup> <sub>1<\/sub> \/ n <sub>1<\/sub> + s <sup>2<\/sup> <sub>2<\/sub> \/ n <sub>2<\/sub><\/span> )<\/span><\/p>\n<p> <span style=\"color: #000000;\">Observe que quando n <sub>1<\/sub> e n <sub>2<\/sub> s\u00e3o pequenos, o denominador inteiro da estat\u00edstica do teste <em>t<\/em> \u00e9 pequeno. E quando voc\u00ea divide por um n\u00famero pequeno, obt\u00e9m um n\u00famero grande. Isto significa que a estat\u00edstica do teste <em>t<\/em> ser\u00e1 grande e o valor p correspondente ser\u00e1 pequeno, levando assim a resultados estatisticamente significativos.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>O que \u00e9 considerado um bom tamanho de efeito?<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Uma pergunta que os alunos costumam fazer \u00e9: <strong><em>O que \u00e9 considerado um bom tamanho de efeito?<\/em><\/strong><\/span><\/p>\n<p> <span style=\"color: #000000;\">A resposta curta: um tamanho de efeito n\u00e3o pode ser \u201cbom\u201d ou \u201cruim\u201d, pois simplesmente mede o tamanho da diferen\u00e7a entre dois grupos ou a for\u00e7a da associa\u00e7\u00e3o entre dois grupos.<\/span><\/p>\n<p> <span style=\"color: #000000;\">No entanto, podemos usar as seguintes regras b\u00e1sicas para quantificar se a magnitude de um efeito \u00e9 pequena, m\u00e9dia ou grande:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>D de Cohen:<\/strong><\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">Um <em>d<\/em> de 0,2 ou menos \u00e9 considerado um tamanho de efeito pequeno.<\/span><\/li>\n<li> <span style=\"color: #000000;\">Um <em>d<\/em> de 0,5 \u00e9 considerado um tamanho de efeito m\u00e9dio.<\/span><\/li>\n<li> <span style=\"color: #000000;\">Um <em>d<\/em> de 0,8 ou superior \u00e9 considerado um tamanho de efeito grande.<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\"><strong>Coeficiente de Correla\u00e7\u00e3o de Pearson<\/strong><\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">Um valor absoluto de <em>r<\/em> em torno de 0,1 \u00e9 considerado um tamanho de efeito pequeno.<\/span><\/li>\n<li> <span style=\"color: #000000;\">Um valor absoluto de <em>r<\/em> em torno de 0,3 \u00e9 considerado um tamanho de efeito m\u00e9dio.<\/span><\/li>\n<li> <span style=\"color: #000000;\">Um valor absoluto de <em>r<\/em> maior que 0,5 \u00e9 considerado um tamanho de efeito grande.<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">No entanto, a defini\u00e7\u00e3o de uma correla\u00e7\u00e3o \u201cforte\u201d pode variar de um campo para outro. Consulte <a href=\"https:\/\/statorials.org\/pt\" target=\"_blank\" rel=\"noopener\">este artigo<\/a> para entender melhor o que \u00e9 considerado uma forte correla\u00e7\u00e3o entre diferentes setores.<\/span><\/p>\n","protected":false},"excerpt":{"rendered":"<p>\u201cA signific\u00e2ncia estat\u00edstica \u00e9 o que menos interessa nos resultados. \u00c9 necess\u00e1rio descrever os resultados em termos de medidas de magnitude \u2013 n\u00e3o s\u00f3 um tratamento afecta as pessoas, mas tamb\u00e9m o quanto as afecta. -Gene V. Vidro Nas estat\u00edsticas, costumamos usar valores p para determinar se h\u00e1 uma diferen\u00e7a estatisticamente significativa entre dois grupos. [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"class_list":["post-546","post","type-post","status-publish","format-standard","hentry","category-guia"],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v21.5 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Tamanho do efeito: o que \u00e9 e por que \u00e9 importante - Estatologia<\/title>\n<meta name=\"description\" content=\"Uma explica\u00e7\u00e3o simples do tamanho do efeito nas estat\u00edsticas, incluindo v\u00e1rios exemplos.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/statorials.org\/pt\/tamanho-do-efeito\/\" \/>\n<meta property=\"og:locale\" content=\"pt_PT\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Tamanho do efeito: o que \u00e9 e por que \u00e9 importante - Estatologia\" \/>\n<meta property=\"og:description\" content=\"Uma explica\u00e7\u00e3o simples do tamanho do efeito nas estat\u00edsticas, incluindo v\u00e1rios exemplos.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/statorials.org\/pt\/tamanho-do-efeito\/\" \/>\n<meta property=\"og:site_name\" content=\"Statorials\" \/>\n<meta property=\"article:published_time\" content=\"2023-07-29T13:27:37+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/taille-deffet1.jpg\" \/>\n<meta name=\"author\" content=\"Dr. benjamim anderson\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Escrito por\" \/>\n\t<meta name=\"twitter:data1\" content=\"Dr. benjamim anderson\" \/>\n\t<meta name=\"twitter:label2\" content=\"Tempo estimado de leitura\" \/>\n\t<meta name=\"twitter:data2\" content=\"8 minutos\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/statorials.org\/pt\/tamanho-do-efeito\/\",\"url\":\"https:\/\/statorials.org\/pt\/tamanho-do-efeito\/\",\"name\":\"Tamanho do efeito: o que \u00e9 e por que \u00e9 importante - Estatologia\",\"isPartOf\":{\"@id\":\"https:\/\/statorials.org\/pt\/#website\"},\"datePublished\":\"2023-07-29T13:27:37+00:00\",\"dateModified\":\"2023-07-29T13:27:37+00:00\",\"author\":{\"@id\":\"https:\/\/statorials.org\/pt\/#\/schema\/person\/e08f98e8db95e0aa9c310e1b27c9c666\"},\"description\":\"Uma explica\u00e7\u00e3o simples do tamanho do efeito nas estat\u00edsticas, incluindo v\u00e1rios exemplos.\",\"breadcrumb\":{\"@id\":\"https:\/\/statorials.org\/pt\/tamanho-do-efeito\/#breadcrumb\"},\"inLanguage\":\"pt-PT\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/statorials.org\/pt\/tamanho-do-efeito\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/statorials.org\/pt\/tamanho-do-efeito\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Lar\",\"item\":\"https:\/\/statorials.org\/pt\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Tamanho do efeito: o que \u00e9 e por que \u00e9 importante\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/statorials.org\/pt\/#website\",\"url\":\"https:\/\/statorials.org\/pt\/\",\"name\":\"Statorials\",\"description\":\"O seu guia para a literacia estat\u00edstica!\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/statorials.org\/pt\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"pt-PT\"},{\"@type\":\"Person\",\"@id\":\"https:\/\/statorials.org\/pt\/#\/schema\/person\/e08f98e8db95e0aa9c310e1b27c9c666\",\"name\":\"Dr. benjamim anderson\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"pt-PT\",\"@id\":\"https:\/\/statorials.org\/pt\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/statorials.org\/pt\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg\",\"contentUrl\":\"https:\/\/statorials.org\/pt\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg\",\"caption\":\"Dr. benjamim anderson\"},\"description\":\"Ol\u00e1, sou Benjamin, um professor aposentado de estat\u00edstica que se tornou professor dedicado na Statorials. Com vasta experi\u00eancia e conhecimento na \u00e1rea de estat\u00edstica, estou empenhado em compartilhar meu conhecimento para capacitar os alunos por meio de Statorials. Saber mais\",\"sameAs\":[\"https:\/\/statorials.org\/pt\"]}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Tamanho do efeito: o que \u00e9 e por que \u00e9 importante - Estatologia","description":"Uma explica\u00e7\u00e3o simples do tamanho do efeito nas estat\u00edsticas, incluindo v\u00e1rios exemplos.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/statorials.org\/pt\/tamanho-do-efeito\/","og_locale":"pt_PT","og_type":"article","og_title":"Tamanho do efeito: o que \u00e9 e por que \u00e9 importante - Estatologia","og_description":"Uma explica\u00e7\u00e3o simples do tamanho do efeito nas estat\u00edsticas, incluindo v\u00e1rios exemplos.","og_url":"https:\/\/statorials.org\/pt\/tamanho-do-efeito\/","og_site_name":"Statorials","article_published_time":"2023-07-29T13:27:37+00:00","og_image":[{"url":"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/taille-deffet1.jpg"}],"author":"Dr. benjamim anderson","twitter_card":"summary_large_image","twitter_misc":{"Escrito por":"Dr. benjamim anderson","Tempo estimado de leitura":"8 minutos"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/statorials.org\/pt\/tamanho-do-efeito\/","url":"https:\/\/statorials.org\/pt\/tamanho-do-efeito\/","name":"Tamanho do efeito: o que \u00e9 e por que \u00e9 importante - Estatologia","isPartOf":{"@id":"https:\/\/statorials.org\/pt\/#website"},"datePublished":"2023-07-29T13:27:37+00:00","dateModified":"2023-07-29T13:27:37+00:00","author":{"@id":"https:\/\/statorials.org\/pt\/#\/schema\/person\/e08f98e8db95e0aa9c310e1b27c9c666"},"description":"Uma explica\u00e7\u00e3o simples do tamanho do efeito nas estat\u00edsticas, incluindo v\u00e1rios exemplos.","breadcrumb":{"@id":"https:\/\/statorials.org\/pt\/tamanho-do-efeito\/#breadcrumb"},"inLanguage":"pt-PT","potentialAction":[{"@type":"ReadAction","target":["https:\/\/statorials.org\/pt\/tamanho-do-efeito\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/statorials.org\/pt\/tamanho-do-efeito\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Lar","item":"https:\/\/statorials.org\/pt\/"},{"@type":"ListItem","position":2,"name":"Tamanho do efeito: o que \u00e9 e por que \u00e9 importante"}]},{"@type":"WebSite","@id":"https:\/\/statorials.org\/pt\/#website","url":"https:\/\/statorials.org\/pt\/","name":"Statorials","description":"O seu guia para a literacia estat\u00edstica!","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/statorials.org\/pt\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"pt-PT"},{"@type":"Person","@id":"https:\/\/statorials.org\/pt\/#\/schema\/person\/e08f98e8db95e0aa9c310e1b27c9c666","name":"Dr. benjamim anderson","image":{"@type":"ImageObject","inLanguage":"pt-PT","@id":"https:\/\/statorials.org\/pt\/#\/schema\/person\/image\/","url":"https:\/\/statorials.org\/pt\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg","contentUrl":"https:\/\/statorials.org\/pt\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg","caption":"Dr. benjamim anderson"},"description":"Ol\u00e1, sou Benjamin, um professor aposentado de estat\u00edstica que se tornou professor dedicado na Statorials. Com vasta experi\u00eancia e conhecimento na \u00e1rea de estat\u00edstica, estou empenhado em compartilhar meu conhecimento para capacitar os alunos por meio de Statorials. Saber mais","sameAs":["https:\/\/statorials.org\/pt"]}]}},"yoast_meta":{"yoast_wpseo_title":"","yoast_wpseo_metadesc":"","yoast_wpseo_canonical":""},"_links":{"self":[{"href":"https:\/\/statorials.org\/pt\/wp-json\/wp\/v2\/posts\/546","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/statorials.org\/pt\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/statorials.org\/pt\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/statorials.org\/pt\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/statorials.org\/pt\/wp-json\/wp\/v2\/comments?post=546"}],"version-history":[{"count":0,"href":"https:\/\/statorials.org\/pt\/wp-json\/wp\/v2\/posts\/546\/revisions"}],"wp:attachment":[{"href":"https:\/\/statorials.org\/pt\/wp-json\/wp\/v2\/media?parent=546"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/statorials.org\/pt\/wp-json\/wp\/v2\/categories?post=546"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/statorials.org\/pt\/wp-json\/wp\/v2\/tags?post=546"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}