Propriedades do resultado

Medição de uma medição

- conceitos aplicados à ciência do
FIDEDIGNIDADE/CONFIABILIDADE (reliability) &
movimento humano: VALIDADE
testes estatísticos para
• Estas duas propriedades são comumente atribuídas como as
fidedignidade/confiabilidade e mais importantes do resultado de uma medição (ou da medição
em si).
validade • Infelizmente, há várias definições diferentes para estas duas
propriedades.
Boas definições são:
Marcos Duarte • FIDEDIGNIDADE/CONFIABILIDADE: grau de repetitividade e
reprodutibilidade do resultado de uma medição (precisão).
mduarte@usp.br • VALIDADE: grau de exatidão (acurácia) do resultado de uma
medição (o quanto o resultado se refere ao que se queria medir
http://lob.iv.fapesp.br/ ou se pensava estar medindo).

Programas estatísticos Estimativas de validade

Com o recurso computacional, há um grande número

de programas que implementam medidas
• Coeficiente de correlação de Pearson (r):
estatísticas num clique do mouse (depois que os
amostra bivariada, interclasse.
dados são entrados nesses programas…).

Alguns destes programas são: Minitab, Estatística,

• Regressão: relação matemática entre duas
SPSS, SAS, SYSTAT, Excel, Matlab, S-Plus… ou mais variáveis.

Coeficiente de correlação Coeficiente de correlação

• Coeficiente de correlação de Pearson (r). Se
x e y são dois conjuntos de medidas, r é
dado por:

r não estabelece relação causa-efeito!

Função CORREL no EXCEL

1
 Coeficiente de correlação Limitações do coeficiente de
correlação
–1 ≤ r ≤ 1 –1 ≤ r ≤ 1
• Coeficiente de correlação é uma medida de relação
linear entre duas variáveis.
1: x e y estão
totalmente
relacionados
0: x e y não estão Qual é a correlação
correlacionados entre desempenho
e ansiedade?
-1: x e y estão
inversamente
relacionados

Correlação de Spearman Transformação Z de Fisher

• Coeficiente de correlação para
estatística não paramétrica.
d é a diferença entre os postos e n é o
número de pares de postos.
• A distribuição de uma amostragem do coeficiente de
correlação de Pearson (r) não segue uma distribuição
normal.
• A transformação Z de Fisher transforma valores de r
em valores z que apresentam distribuição normal:
z = 0.5*(log(1+r)./log(1-r))
onde log é o logaritmo natural (em Matlab).
• A estatística z é normal e com erro padrão:
sez = 1/(N-3)
onde N é o número de pares de dados.
• O intervalo de confiança (CI) de z é dado por:
z ± 1.96* 1/(N-3)

Transformação Z de Fisher Regressão

• Regressão linear simples

• Para transformar o valor de z de volta para r,
utiliza-se a transformação inversa à anterior:
r = (exp(2*z)-1)./(exp(2*z)+1);
• Regressão linear múltipla
• Regressão não linear (simples ou
múltipla)

Função PROJ.LIN no EXCEL

2
 Regressão linear simples Regressão linear simples
y
Equação da reta Ajuste por mínimos quadrados dos resíduos
10
coeficiente angular
eixo vertical 8
4
y = a + bx 6 b = 4/2 = 2
coeficiente linear 4 2
eixo horizontal a=3
2

-6 -5 -4 -3 -2 -1 0 1 2 3 4 5 x
-2

-4
y=3+2x
-6

-8

Estimativas de
fidedignidade/confiabilidade
• CONSISTÊNCIA INTERNA: aplicação de sub-grupos
do teste que medem o mesmo conceito. Por exemplo,
aplicar dois grupos de questões que avaliam o mesmo
conceito e comparar os resultados.
• Medida estatística usual: coeficiente alfa de Cronbach
(versão padronizada):
• N é o número de itens (conjunto de medidas) e r é a
média das correlações inter itens.
Estimativas de
fidedignidade/confiabilidade
• TESTE/RETESTE: aplicação do mesmo teste mais de
uma vez nos mesmos sujeitos e comparar os
resultados.
• Para medidas simples obtidas em situações
diferentes, média e erro padrão podem ser utilizados
para determinar intervalos de confiança e talvez isso
seja suficiente como estimativa da fidedignidade.
• No entanto, muitas vezes é necessário uma melhor
estimativa e inferência estastística sobre
fidedignidade.
• Nesse caso, a ferramenta estatística mais comum
para se testar fidedignidade/confiabilidade é o
coeficiente de correlação intraclasse (ICC).

Média e intervalo de confiança Distribuição normal

• Média:

• Desvio padrão:

s
• Erro padrão: se =
n
• Intervalo de confiança (95%): CI = x ± 1.96 ⋅ se

3
 Média e intervalo de confiança Exemplo de distribuições normal e t
• Para df=4, t em azul, normal em vermelho.
• A fórmula anterior é verdade somente se
conhecemos a variância (desvio padrão) da
população. Mas normalmente nós estimamos o
desvio padrão a partir de uma amostra da
população.
• Para corrigir o valor do desvio padrão em
função do número de graus de liberdade (n-1)
utiliza-se então uma distribuição t em vez de
uma distribuição normal.

Alguns valores da distribuição t Coeficiente de correlação intraclasse

df 0.95 0.99 • Uma medida de correlação derivada a partir da

2 4.303 9.925
ANOVA para estimar fidedignidade (estatística
univariada). Em termos gerais, é dado pela razão da
3 3.182 5.841
variância entre grupos e a variância total.
4 2.776 4.604
• Há diferentes versões do ICC. ICC é geralmente
5 2.571 4.032
utilizado para testar a fidedignidade entre
8 2.306 3.355
avaliadores.
10 2.228 3.169
• O ICC é usado em vez de coeficiente de correlação
20 2.086 2.845
de Pearson porque a amostra pode ser univariada;
50 2.009 2.678
ter mais de dois grupos e porque o ICC é sensível à
100 1.984 2.626
diferença entre médias e variâncias dos grupos.

ANOVA ANOVA

• Analysis of variance: teste para verificar

se as médias de dois ou mais grupos são
diferentes.

4
 Coeficiente de correlação intraclasse

3 tipos de ICC:
• One-way random: fator ‘sujeito’ é aleatório. Diferentes
avaliadores avaliam diferentes sujeitos.
ANOVA • Two-way mixed: fator ‘sujeito’ é aleatório e fator
‘avaliador’ é fixo. Os avaliadores testados são a
população de avaliadores.
• Two-way random: fator ‘sujeito’ e fator ‘avaliador’ são
aleatórios. Os avaliadores testados são parte de uma
população de avaliadores.

Referências
• Morrow Jr. JR, Jackson AW, Disch JG, Mood DP
(1995) Measurement and Evaluation in Human
Performance. Champaign, Human Kinetics.
• Thomas JR, Nelson JK (1996) Research Methods in
Physical Activity. Champaign, Human Kinetics.
• Hopkins, W. G. (2000). A new view of statistics.
Internet Society for Sport Science:
http://www.sportsci.org/resource/stats/.
• David P. Nichols (1998) Choosing an intraclass
correlation coefficient:
http://www.ats.ucla.edu/stat/spss/library/whichicc.htm
• Online Statistics: A Multimedia Course of Study:
http://psych.rice.edu/online_stat/index.html