--- title: "O que é o tamanho de efeito em linguagem comum (common language effect size)?" url: https://www.blog.psicometriaonline.com.br/tamanho-de-efeito-em-linguagem-comum canonical: https://www.blog.psicometriaonline.com.br/tamanho-de-efeito-em-linguagem-comum language: pt-BR published: 2025-10-23T12:00:00.000Z updated: 2026-03-30T13:49:03.927Z modified: 2026-03-30T13:49:03.927Z author: "Marcos Lima" categories: ["Análises bi e multivariadas"] tags: ["tamanho de efeito"] description: "Aprenda a calcular e interpretar o tamanho de efeito em linguagem comum, uma forma simples de comunicar resultados de pesquisa." source: Blog Psicometria Online --- # O que é o tamanho de efeito em linguagem comum (common language effect size)? > E se fosse possível comunicar resultados de pesquisa de forma realmente compreensível, até mesmo para quem não tem treino formal em estatística? Pois essa é justamente a proposta do tamanho de efeito em linguagem comum, uma medida que traduz diferenças estatísticas em probabilidades intuitivas. N... E se fosse possível comunicar resultados de pesquisa de forma realmente compreensível, até mesmo para quem não tem treino formal em estatística? Pois essa é justamente a proposta do **tamanho de efeito em linguagem comum**, uma medida que traduz diferenças estatísticas em probabilidades intuitivas. Neste post, você vai descobrir o que é o tamanho de efeito em linguagem comum, como calculá-lo, interpretá-lo e aplicá-lo. Por fim, esperamos que você entenda por que essa métrica é uma excelente forma de comunicar resultados a uma audiência mais ampla. ## Tamanho de efeito em linguagem comum: a probabilidade de superioridade O termo *probabilidade* é bastante familiar para a maioria das pessoas. Embora, no cotidiano, ele nem sempre siga os axiomas formais da teoria da probabilidade, expressões como “há 90% de probabilidade de chover” comunicam com clareza o que esperar de um evento. Aproveitando essa familiaridade, o **tamanho de efeito em linguagem comum** (*common language effect size*, CLES) converte diferenças entre grupos em uma probabilidade facilmente compreensível. Em outras palavras, ele responde à seguinte pergunta: > *Qual é a probabilidade de que um indivíduo sorteado de um grupo apresente um valor maior que outro indivíduo sorteado de outro grupo?* Por esse motivo, o CLES também é chamado de **probabilidade de superioridade** (*probability of superiority*). Além disso, ao traduzir resultados em termos de probabilidade, o tamanho de efeito em linguagem comum torna a interpretação muito mais intuitiva do que medidas padronizadas, como o [*d* de Cohen](/d-de-cohen). Dessa forma, ele se mostra especialmente útil em contextos de comunicação e educação científica. ## Exemplo prático do tamanho de efeito em linguagem comum Para ilustrar, imagine um [ensaio clínico randomizado](/o-que-e-ensaio-clinico-randomizado) em que o grupo experimental apresentou média de 8 (*DP* = 2) e o grupo controle, média de 6 (*DP* = 2). Nesse caso, *d* = 1, já que a diferença de médias (8 – 6 = 2) equivale a um desvio-padrão. No entanto, esse valor de *d* pode não ser facilmente interpretado por leigos. Ao convertermos o *d* para o CLES, obtemos 0,76. Em síntese, isso quer dizer que existe 76% de probabilidade de que um participante do grupo experimental apresente um escore maior que o de um participante do grupo controle. Assim, quanto maior essa probabilidade, maior o efeito da intervenção avaliada. Portanto, o tamanho de efeito em linguagem comum permite expressar achados de maneira acessível e prática, conectando a estatística à realidade cotidiana. ## Como calcular o tamanho de efeito em linguagem comum? O cálculo do tamanho de efeito em linguagem comum pode ser feito de duas maneiras principais. Primeiramente, podemos obter o CLES por meio de estatísticas descritivas. Além disso, podemos estimar o CLES por meio de uma medida padronizada, como o *d* de Cohen. Em seguida, veja o processo passo a passo, utilizando o cálculo a partir das estatísticas descritivas, pois isso tornará mais clara a compreensão da lógica do CLES. ### Passo 1: Compreendendo os dados Suponha que um *survey* estimou as alturas médias de jovens adultos, considerando o sexo biológico (exemplo baseado em McGraw & Wong, 1992): - Feminino: *M* = 163,3 cm, *DP* = 6,6, *n* = 1.066. - Masculino: *M* = 177 cm, *DP* = 7,1, *n* = 988. O *d* de Cohen para essa diferença é 2, ou seja, a altura média masculina é dois desvios-padrões maior que a feminina. Em seguida, representamos as distribuições de altura por sexo biológico (Figura 1). ![distribuições de probabilidade para exemplo.](/uploads/2025-10_tamanho-de-efeito-em-linguagem-comum-1.jpg) *Figura 1. Distribuições de alturas de jovens adultos dos sexos feminino e masculino (exemplo baseado em McGraw & Wong, 1992).* ### Passo 2: Estimando a distribuição auxiliar Em nosso exemplo, eis a pergunta que o tamanho de efeito em linguagem comum busca responder: > *Qual a probabilidade de que uma pessoa escolhida ao acaso do grupo masculino seja mais alta do que uma pessoa escolhida ao acaso do grupo feminino?* A fim de respondermos a essa pergunta, precisamos considerar uma distribuição auxiliar, que terá: - Média igual à diferença das médias originais. - Desvio-padrão igual à raiz quadrada da soma das variâncias. Em seguida, calculamos as estatísticas necessárias: ![cálculo da diferença média e do desvio-padrão da diferença.](/uploads/2025-10_cles-calculo-intermediario.jpg) A nova distribuição (*M* = 13,7, *DP* = 9,69) representa as possíveis diferenças de alturas entre pares de indivíduos sorteados dos dois grupos (Figura 2). Em outras palavras, ela mostra todas as diferenças possíveis e suas respectivas probabilidades. ![distribuição da diferença média.](/uploads/2025-10_tamanho-de-efeito-em-linguagem-comum-2.jpg) *Figura 2. Distribuições de diferenças de alturas de jovens adultos (masculino menos feminino; exemplo baseado em McGraw & Wong, 1992). Área azul representa a probabilidade* *de um jovem adulto do sexo masculino ser mais alto que alguém do sexo feminino.* Lembre-se de nossa pergunta de pesquisa: > *Qual a probabilidade de que uma pessoa escolhida ao acaso do grupo masculino seja mais alta do que uma pessoa escolhida ao acaso do grupo feminino?* Ela pode ser modificada por uma pergunta distinta, mas equivalente: > *Qual a probabilidade de que a diferença de altura de uma pessoa escolhida ao acaso do grupo masculino e uma pessoa escolhida ao acaso do grupo feminino seja maior que zero?* A resposta à segunda pergunta será a mesma que a resposta à primeira pergunta, correspondendo à área sob a curva, na cor azul, da Figura 2. ### Passo 3: Convertendo em escore *z* Em seguida, transformaremos a diferença “zero” da Figura 2 em um escore *z*. Em outras palavras, queremos identificar a qual [escore *z*](/dados-normativos-escores-percentilicos-e-escores-padronizados) corresponde *masculino – feminino* = 0, em centímetros. Para isso, calculamos: ![convertendo diferença média igual a 0 em escore z, em termos de desvio da diferença média.](/uploads/2025-10_escore-z-cles.jpg) Desse modo, nossa questão pode ser reescrita da seguinte maneira: > *Qual a probabilidade de que a diferença* ***padronizada*** *de altura de uma pessoa escolhida ao acaso do grupo masculino e uma pessoa escolhida ao acaso do grupo feminino seja maior que –1,41?* A resposta corresponde à área sob a curva, na cor azul, da Figura 3. Note que essa figura é similar à Figura 2, exceto que o eixo *x* agora contém escores *z*s, e a curva agora corresponde à [distribuição normal-padrão](/o-que-e-regra-empirica), cujas propriedades matemáticas são conhecidas. ![distribuição da diferença média padronizada com o cálculo do tamanho de efeito em linguagem comum.](/uploads/2025-10_tamanho-de-efeito-em-linguagem-comum-3b.jpg) *Figura 3. Distribuições de diferenças padronizadas de alturas de jovens adultos (masculino \[M\] menos feminino \[F\]; exemplo baseado em McGraw & Wong, 1992). Área azul representa a probabilidade* *de um jovem adulto do sexo masculino ser mais alto que alguém do sexo feminino.* Desse modo, nós finalmente podemos calcular o tamanho de efeito em linguagem comum: ![fórmula do tamanho de efeito em linguagem comum.](/uploads/2025-10_cdf.jpg) onde Φ(*z*) representa a área à **esquerda** de *z*. Calculamos 1 – Φ(*z*), pois queremos obter a área à **direita** de *z*, que é equivalente a *p*(M > F), onde M = masculino e F = feminino. O valor obtido foi 0,92, ou seja, em 92% dos pares aleatórios formados por uma pessoa do sexo masculino e outra do sexo feminino, a pessoa do sexo masculino será mais alta. Portanto, esse é o tamanho de efeito em linguagem comum para esse exemplo. A Figura 4 resume o raciocínio descrito anteriormente. ![resumo do cálculo do tamanho de efeito em linguagem comum para grupos independentes.](/uploads/2025-10_tamanho-de-efeito-em-linguagem-comum-completo.jpg) *Figura 4. Resumo das etapas para o cálculo do tamanho de efeito em linguagem comum.* Desse modo, o CLES traduz diferenças numéricas em probabilidades diretas e intuitivas. ## Como interpretar o tamanho de efeito em linguagem comum? Interpretar o tamanho de efeito em linguagem comum é simples e direto. Por ser uma probabilidade, o CLES sempre varia entre 0 e 1. Quando CLES = 0,50, não há efeito algum. Temos um efeito quando esse valor difere de 0,50. Em seguida, descreveremos como interpretar essa medida, separadamente, para o caso em que o CLES é maior e menor que 0,50. ### Quando o tamanho de efeito em linguagem comum é maior que 0,50 Em síntese, quanto mais próximo é o CLES de 1, maior o efeito a favor do primeiro grupo. Embora não existam regras rígidas, alguns valores de referência ajudam na interpretação (Grissom, 1994; adaptado das diretrizes de Cohen, 1988): - **Pequeno:** CLES ≈ 0,56 (equivale a *d* ≈ 0,20). - **Médio:** CLES ≈ 0,64 (equivale a *d* ≈ 0,50). - **Grande:** CLES ≈ 0,71 (equivale a *d* ≈ 0,80). No exemplo da altura, o CLES de 0,92 representa um efeito grande, o que reforça a ideia de que é altamente provável que uma pessoa do sexo masculino seja mais alta que uma pessoa do sexo feminino, quando ambas são escolhidas aleatoriamente entre jovens adultos. ### Quando o tamanho de efeito em linguagem comum é menor que 0,50 Em contextos clínicos, o objetivo pode ser reduzir escores. Por exemplo, uma intervenção pode almejar diminuir os níveis de ansiedade ou o consumo de açúcar dos participantes. Em tais casos, o tamanho de efeito em linguagem comum é interpretado de forma simétrica, mas invertida: - **Pequeno:** CLES ≈ 0,44 (equivale a *d* ≈ –0,20). - **Médio:** CLES ≈ 0,36 (equivale a *d* ≈ –0,50). - **Grande:** CLES ≈ 0,29 (equivale a *d* ≈ –0,80). Além disso, note que, para distribuições normais independentes, o CLES pode ser estimado a partir do *d* de Cohen pela seguinte fórmula: ![fórmula para converter d de cohen em tamanho de efeito em linguagem comum.](/uploads/2025-10_cles-e-d-de-cohen.jpg) Essa relação é curvilinear: quanto maior o *d*, mais o tamanho de efeito em linguagem comum se aproxima de 1 (Figura 4). ![relação curvilinear entre d de Cohen e tamanho de efeito em linguagem comum.](/uploads/2025-10_tamanho-de-efeito-em-linguagem-comum-e-d-de-cohen.jpg) *Figura 4. Relação entre o d de Cohen e o tamanho de efeito em linguagem comum.* ## Quais são as vantagens do tamanho de efeito em linguagem comum? O tamanho de efeito em linguagem comum oferece diversas vantagens, especialmente na divulgação científica e na comunicação entre áreas. Primeiramente, ele **transforma valores abstratos em probabilidades intuitivas**, o que facilita a comunicação dos achados, tanto em artigos acadêmicos quanto em apresentações para o público geral. Além disso, McGraw e Wong (1992) demonstraram que o CLES é **robusto a violações de normalidade** ([assimetria e curtose](/assimetria-e-curtose-um-guia-completo)), especialmente quando as variâncias dos grupos são iguais. Mesmo em cenários mais extremos, **é possível estimar o tamanho de efeito em linguagem comum de forma não paramétrica**, a partir do [teste *U* de Mann–Whitney](/teste-u-de-mann-whitney) (Grissom, 1994). Nesse caso, ele representa a proporção de pares ordenados em que o escore do grupo experimental supera o do grupo controle. Outra grande vantagem está em sua **flexibilidade**. Isto é, o tamanho de efeito em linguagem comum pode ser adaptado para amostras dependentes, para comparações múltiplas e até para correlação entre variáveis. No caso das correlações, o CLES responde à seguinte pergunta: > *Para dois casos amostrados aleatoriamente, qual é a probabilidade de que (x1 – x2) tenha o mesmo sinal que (y1 – y2)?* Em outras palavras, o CLES, quando aplicado à [correlação](/o-que-e-correlacao), estima a probabilidade de as duas observações caírem nos quadrantes 1 ou 3 da Figura 5 (Dunlap, 1994). ![representação esquemática do tamanho de efeito em linguagem comum para correlações.](/uploads/2025-10_tamanho-de-efeito-em-linguagem-comum-e-r-de-pearson.jpg) *Figura 5. Tamanho de efeito em linguagem comum aplicado à correlação de Pearson. Neste caso, a medida quantifica a probabilidade de uma observação retirada da distribuição bivariada de (x1 –x2) e (y1 – y3) estar nos quadrantes 1 ou 3.* Por fim, é fundamental salientar que o CLES deve complementar, e não substituir, outras medidas de tamanho de efeito. Cada índice oferece uma perspectiva única e, juntos, eles tornam as conclusões mais completas e transparentes (Grissom, 1994). ## Conclusão Gostou desse conteúdo? Se você precisa aprender análise de dados, então faça parte da [**Psicometria Online Academy**](https://academy-po.psicometriaonline.com.br/?utm_source=blog&utm_medium=organico&utm_campaign=&utm_term=&utm_content=post), a maior formação de pesquisadores quantitativos da América Latina. Conheça toda nossa estrutura [**aqui**](https://academy-po.psicometriaonline.com.br/?utm_source=blog&utm_medium=organico&utm_campaign=&utm_term=&utm_content=post) e nunca mais passe trabalho sozinho(a). ## Referências Cohen, J. (1988). *Statistical power analysis for the behavioral sciences* (2nd ed.). Lawrence Erlbaum Associates, Inc. Dunlap, W. P. (1994). Generalizing the common language effect size indicator to bivariate normal correlations. *Psychological Bulletin*, *116*(3), 509–511. https://doi.org/10.1037/0033-2909.116.3.509 Grissom, R. J. (1994). Probability of the superior outcome of one treatment over another. *Journal of Applied Psychology*, *79*(2), 314–316. https://doi.org/10.1037/0021-9010.79.2.314 McGraw, K. O., & Wong, S. P. (1992). A common language effect size statistic. *Psychological Bulletin*, *111*(2), 361–365. https://doi.org/10.1037/0033-2909.111.2.361 ## Como citar este post > **Como citar este artigo:** Lima, M. (2025, 23 de outubro). O que é o tamanho de efeito em linguagem comum (common language effect size)? *Blog Psicometria Online*. https://www.blog.psicometriaonline.com.br/tamanho-de-efeito-em-linguagem-comum