Sabia que há mais de um tamanho de efeito sugerido para o teste não-paramétrico de Mann-Whitney? Neste post te explico os três tamanhos de efeito sugeridos (r, VDA e correlação rank-biserial), como interpretá-los e calculá-los.
Em um post anterior, eu te expliquei como interpretar os gráficos diagnósticos, que nos permitem checar pressupostos do modelo de regressão linear. Nesse post, te explico como construí-los com o pacote ggplot2, que permite diversos ajustes estéticos.
No dia-a-dia, é comum usarmos chance e probabilidade como sinônimos. Mas na estatística, elas significam coisas consideravelmente diferentes. Nesse post eu te explico, com exemplos, como interpretar cada uma delas.
Alguém te disse para calcular um Índice de Validade de Conteúdo (IVC) para o seu questionário, e você não sabe nem o que isso é, muito menos como calculá-lo? Nesse post eu te explico como calcular os três tipos de IVC e o kappa modificado, que normalmente acompanha esse índice.
Qual o tamanho de efeito adequado a resultados analisados pelo teste-t independente? A resposta é: depende. Nesse post te explico os três tamanhos de efeito sugeridos (d de Cohen, g de Hedges e delta de Glass) e quando utilizar cada um deles.
Já ouviu falar em tamanho de efeito, mas nunca entendeu o que afinal é isso? Nem o porquê você deveria calculá-lo? Neste post eu te explico o que é e qual a importância das medidas de tamanho de efeito.
