O que é eta-quadrado e como ele difere do ômega-quadrado?

O eta-quadrado mede a proporção da variância total explicada por um fator na ANOVA. O ômega-quadrado é um estimador menos enviesado da mesma quantidade. O eta-quadrado tende a superestimar o efeito na população, especialmente com amostras pequenas. Cohen sugeriu referências de 0,01 (pequeno), 0,06 (médio) e 0,14 (grande) para ambas as medidas.

Calculadora de Tamanho de Efeito

Calcule e visualize tamanhos de efeito incluindo d de Cohen, g de Hedges, delta de Glass, eta e omega-quadrado e f de Cohen. Veja sobreposicao de distribuicao animada, formulas passo a passo e diretrizes de interpretacao.

Uso gratuitoSem cadastroResultados instantâneos

Calculadora de Tamanho de EfeitoExperimente agora — grátis ▼

Embed Calculadora de Tamanho de Efeito Widget

Calculadora de Tamanho de Efeito

Entendendo os Tamanhos de Efeito na Pesquisa

Os tamanhos de efeito são estatísticas essenciais que quantificam a magnitude de um fenômeno, complementando as informações fornecidas pelos valores-p. Enquanto um valor-p informa se um efeito é estatisticamente significativo, o tamanho do efeito informa o quão grande esse efeito é. Esta distinção é crítica para julgar a significância prática — um resultado estatisticamente significativo com um tamanho de efeito minúsculo pode não ter importância no mundo real.

📏

d de Cohen

Diferença de média padronizada entre dois grupos usando SD combinado

🎯

g de Hedges

d de Cohen corrigido para viés, preferido para amostras pequenas (n < 20)

Delta de Glass

Diferença de média padronizada apenas pelo SD do grupo de controle

η²

Eta-Quadrado

Proporção da variância total explicada na ANOVA

ω²

Ômega-Quadrado

Estimativa de variância explicada menos enviesada que η²

f de Cohen

Tamanho de efeito para ANOVA, derivado de η²

Como Calcular o d de Cohen

O d de Cohen mede a diferença padronizada entre as médias de dois grupos:

$$d = \frac{M_1 - M_2}{SD_{pooled}}$$

onde o desvio padrão combinado (pooled) é:

$$SD_{pooled} = \sqrt{\frac{(n_1 - 1) \cdot SD_1^2 + (n_2 - 1) \cdot SD_2^2}{n_1 + n_2 - 2}}$$

Um d de Cohen de 0,5 significa que as médias dos dois grupos diferem por meio desvio padrão. O g de Hedges aplica um fator de correção $J = 1 - \frac{3}{4 \cdot df - 1}$ para reduzir o viés para cima de d em amostras pequenas.

Interpretando o Tamanho do Efeito com CLES

O Tamanho do Efeito de Linguagem Comum (CLES) traduz o d de Cohen em uma probabilidade intuitiva: a chance de um indivíduo selecionado aleatoriamente do Grupo 1 pontuar mais alto do que um indivíduo selecionado aleatoriamente do Grupo 2. É calculado como:

$$CLES = \Phi\left(\frac{d}{\sqrt{2}}\right)$$

onde $\Phi$ é a CDF normal padrão. Por exemplo, d = 0,5 corresponde a um CLES de cerca de 64%, o que significa que há 64% de chance de um membro aleatório do Grupo 1 superar um membro aleatório do Grupo 2.

Eta-Quadrado vs. Ômega-Quadrado

Na ANOVA, o eta-quadrado (η²) representa a proporção da variância total explicada pela variável independente:

$$\eta^2 = \frac{SS_{between}}{SS_{total}} = \frac{F \times df_{between}}{F \times df_{between} + df_{within}}$$

No entanto, o η² tende a superestimar o efeito na população. O ômega-quadrado (ω²) fornece uma estimativa menos enviesada:

$$\omega^2 = \frac{df_{between} \times (F - 1)}{df_{between} \times (F - 1) + N}$$

Convertendo Entre Medidas de Tamanho de Efeito

De	Para	Fórmula
d de Cohen	r Ponto-bisserial	$r = \frac{d}{\sqrt{d^2 + \frac{(n_1+n_2)^2}{n_1 \cdot n_2}}}$
Correlação r	d de Cohen	$d = \frac{2r}{\sqrt{1 - r^2}}$
Teste t (independente)	d de Cohen	$d = t \times \sqrt{\frac{1}{n_1} + \frac{1}{n_2}}$
Teste t (pareado)	d de Cohen_z	$d_z = \frac{t}{\sqrt{n}}$
η²	f de Cohen	$f = \sqrt{\frac{\eta^2}{1 - \eta^2}}$

Quando Usar Cada Tamanho de Efeito

Cenário	Recomendado	Por que
Dois grupos com variância igual	d de Cohen ou g de Hedges	Medida padrão; g é preferido quando n < 20 por grupo
Variâncias desiguais	Delta de Glass	Usa apenas o SD do grupo de controle, não afetado pela variância do tratamento
Medidas pareadas / repetidas	d de Cohen_z	Baseado em escores de diferença; considera a correlação intra-sujeito
ANOVA de uma via	η² ou ω²	η² para uso descritivo; ω² para estimativa populacional menos enviesada
Análise de correlação	r e r²	r mede a força; r² dá a proporção de variância compartilhada
Metanálise	g de Hedges	A correção de viés é essencial ao combinar diversos tamanhos de amostra

Perguntas Frequentes

O que é um tamanho de efeito?

Um tamanho de efeito é uma medida quantitativa da magnitude de um fenômeno ou da força de uma relação entre variáveis. Ao contrário dos valores-p que indicam se um efeito existe, os tamanhos de efeito informam o quão grande é o efeito. Eles são essenciais para metanálise, análise de poder e avaliação da significância prática em estudos de pesquisa.

O que é o d de Cohen e como devo interpretá-lo?

O d de Cohen mede a diferença padronizada entre as médias de dois grupos, calculada como a diferença de médias dividida pelo desvio padrão combinado. Jacob Cohen sugeriu referências de 0,2 (pequeno), 0,5 (médio) e 0,8 (grande), mas estes devem ser interpretados dentro do contexto do seu campo de pesquisa específico. Em alguns campos, um d de 0,2 pode representar um efeito de intervenção significativo.

Qual é a diferença entre o d de Cohen e o g de Hedges?

O g de Hedges é uma versão do d de Cohen corrigida para viés. O d de Cohen superestima ligeiramente o tamanho do efeito populacional, especialmente com amostras pequenas (n < 20 por grupo). O g de Hedges aplica um fator de correção J para reduzir esse viés. Para amostras grandes, os valores são quase idênticos.

O que é o Tamanho do Efeito de Linguagem Comum (CLES)?

O CLES expressa o d de Cohen como uma probabilidade: a chance de uma pessoa selecionada aleatoriamente de um grupo pontuar mais alto do que uma pessoa selecionada aleatoriamente do outro grupo. Um CLES de 69% significa que há uma probabilidade de 69% de que um membro aleatório do Grupo 1 supere um membro aleatório do Grupo 2. Isso é muito mais intuitivo do que os valores brutos de d para públicos não técnicos.

Quando devo usar eta-quadrado vs. ômega-quadrado?

O eta-quadrado (η²) é comumente relatado, mas tende a superestimar o tamanho do efeito populacional, especialmente com amostras pequenas. O ômega-quadrado (ω²) fornece uma estimativa menos enviesada e é geralmente recomendado para fins inferenciais. Para fins descritivos dentro de sua amostra específica, o η² é aceitável. Ambos compartilham os mesmos parâmetros de interpretação: 0,01 (pequeno), 0,06 (médio), 0,14 (grande).

Os tamanhos de efeito podem ser negativos?

Sim, tamanhos de efeito direcionais como o d de Cohen e a correlação r podem ser negativos. Um d de Cohen negativo significa que o Grupo 2 tem uma média maior que a do Grupo 1. Um r negativo indica uma relação inversa. O sinal indica a direção, enquanto o valor absoluto indica a magnitude. Medidas baseadas em variância (η², ω², r²) são sempre não negativas.

Cite este conteúdo, página ou ferramenta como:

"Calculadora de Tamanho de Efeito" em https://MiniWebtool.com/br/calculadora-de-tamanho-de-efeito/ de MiniWebtool, https://MiniWebtool.com/

pela equipe miniwebtool. Atualizado: 2026-04-16

API para desenvolvedores disponível: Execute esta ferramenta no seu app, automação ou agente com uma requisição HTTP JSON. Ver documentação da API

Você também pode experimentar nosso Solucionador de Matemática AI GPT para resolver seus problemas de matemática através de perguntas e respostas em linguagem natural.

Calculadora de Tamanho de Efeito

Calculadora de Tamanho de Efeito

Entendendo os Tamanhos de Efeito na Pesquisa

Como Calcular o d de Cohen

Interpretando o Tamanho do Efeito com CLES

Eta-Quadrado vs. Ômega-Quadrado

Convertendo Entre Medidas de Tamanho de Efeito

Quando Usar Cada Tamanho de Efeito

Perguntas Frequentes

Estatísticas e análise de dados:

Ferramentas populares e atualizadas:

Baixe tudo em um único ZIP com o Pro

De	Para	Fórmula
d de Cohen	r Ponto-bisserial	\(r = \frac{d}{\sqrt{d^2 + \frac{(n_1+n_2)^2}{n_1 \cdot n_2}}}\)
Correlação r	d de Cohen	\(d = \frac{2r}{\sqrt{1 - r^2}}\)
Teste t (independente)	d de Cohen	\(d = t \times \sqrt{\frac{1}{n_1} + \frac{1}{n_2}}\)
Teste t (pareado)	d de Cohen_z	\(d_z = \frac{t}{\sqrt{n}}\)
η²	f de Cohen	\(f = \sqrt{\frac{\eta^2}{1 - \eta^2}}\)