PSICOMETRIA

Dra. Natalie Banaskiwitz

REFERÊNCIAS DA AULA
 CURVA NORMAL
Nas populações gerais, as distribuições de frequência de um grande número de
atributos físicos, biológicos e psicológicos se aproximam de uma curva em
forma de sino, conforme mostrado na Figura 1-1.

Essa curva normal ou distribuição normal, assim denominada por Karl Pearson,
também é conhecida como distribuição Gaussiana ou Laplace-Gauss, em
homenagem aos matemáticos do século XVIII que a definiram pela primeira vez.
 CURVA NORMAL
A distribuição normal é central para muitos modelos estatísticos e psicométricos
comumente usados e é muitas vezes a distribuição populacional implícita ou
explicitamente assumida para construtos psicológicos e pontuações de teste,
embora essa suposição nem sempre seja correta.

CARACTERÍSTICAS
É unimodal (único pico), perfeitamente simétrica (significa que a distribuição de
frequência apresenta a frequência mais alta no centro e as mais baixas ficam nos
lados).
Com relação às pontuações de medidas normalmente distribuídas, a altura da curva
em qualquer ponto ao longo do eixo x (pontuação do teste), é a proporção de
pessoas dentro da amostra que obtiveram uma determinada pontuação.
 CURVA NORMAL

RELEVÂNCIA PARA AVALIAÇÃO

Conforme observado anteriormente, por se tratar de uma distribuição de frequência, a

área sob qualquer segmento da curva normal indica a frequência de observações ou
casos dentro desse intervalo.

Do ponto de vista prático, isso fornece aos psicólogos uma estimativa da

“normalidade” ou “anormalidade” de qualquer pontuação de teste ou intervalo de
pontuações (ou seja, se cai no centro da forma de sino, onde está a maioria das
pontuações, ou em qualquer uma das extremidades da cauda, onde poucas
pontuações podem ser encontradas).
 CURVA NORMAL
PONTUAÇÕES PADRONIZADAS

A pontuação bruta de um examinando individual em um teste tem pouco valor por si só

e só assume significado clínico comparando-a com as pontuações brutas obtidas por
outros examinandos em amostras normativas ou de referência apropriadas.

Quando os dados da amostra de referência são distribuídos normalmente, as

pontuações brutas podem ser padronizadas ou convertidas em uma métrica que
denota a classificação relativa aos participantes compreendendo a amostra de
referência.
 CURVA NORMAL

O SIGNIFICADO DE PONTUAÇÕES DE TESTES PADRONIZADOS

Além de facilitar a tradução de pontuações brutas para classificações populacionais

estimadas, a padronização de pontuações de teste, em virtude da conversão para
uma métrica comum, facilita a comparação de pontuações entre medidas.

Porém, se as pontuações padronizadas forem comparadas, elas devem ser derivadas

de amostras semelhantes ou, mais idealmente, da mesma amostra.

Uma pontuação T de 50 em um teste padronizado em uma população de estudantes

universitários não tem o mesmo significado que uma pontuação T “equivalente” em
um teste padronizado em uma população de adultos mais velhos.
 CURVA NORMAL

Além disso, diferenças estatisticamente significativas entre os resultados

dos testes podem ser comuns em uma amostra de referência; portanto, a
taxa básica (frequência acumulada) das diferenças de pontuação deve ser
considerada.

Deve-se também ter em mente que, quando as pontuações brutas dos testes
não são normalmente distribuídas, as pontuações padronizadas não
refletirão com precisão a classificação real da população e as diferenças
entre as pontuações padronizadas serão enganosas.
 NÃO NORMALIDADE

Embora ideais do ponto de vista psicométrico, as distribuições normais parecem ser

a exceção e não a regra quando se trata de dados normativos para medidas
psicológicas, mesmo para amostras muito grandes.

Os principais fatores que levam a distribuições de pontuação de teste não normais

têm a ver com o design do teste, as características da amostra de referência e os
constructos que estão sendo medidos.
Principais fatores
TESTES COM DISTRIBUIÇÕES ALTAMENTE ASSIMÉTRICAS

Por exemplo, Julgamento de Orientação de Linha, Teste de Nomeação de Boston, categorias

concluídas no Wisconsin Card Sorting Test [WCST] etc.

Avaliam uma habilidade específica para a qual há pouca variabilidade entre indivíduos
considerados “normais” ou saudáveis.

Em geral, o objetivo desses testes é identificar áreas específicas de comprometimento ou

déficit nos examinandos, ao contrário das medidas normativas que mostram alta variabilidade
com indivíduos “normais” ou saudáveis e situam os resultados dentro da distribuição normal
da população.

Dado que os testes distorcidos têm efeitos de teto ou piso significativos e geralmente são
projetados para identificar déficits, não desempenho excepcional, rotular as pontuações mais
altas nesses testes como acima da média ou excepcionalmente altas (mesmo quando a faixa
de percentil é alta) pode não ser significativo e pode ser errôneo. Por exemplo, cópia da FCR.
EFEITOS DE CHÃO E TETO

Um teste tem efeito chão quando uma grande proporção dos examinandos obtém
pontuações brutas próximas ou próximas da pontuação mais baixa possível. Isso pode
indicar que o teste carece de um número suficiente e variedade de itens mais fáceis.

Por outro lado, pode-se dizer que um teste tem um efeito teto quando o padrão oposto
está presente (ou seja, quando um grande número de examinandos obtém pontuações
brutas próximas ou próximas da pontuação mais alta possível).

Ex: SON-R 2-7a

QUESTIONÁRIOS E ESCALAS DE CLASSIFICAÇÃO SOBRE HABILIDADES COGNITIVAS
E/OU CONDIÇÕES COMPORTAMENTAIS OU SINTOMAS

Por exemplo, as escalas de funcionamento executivo são projetadas para detectar

déficits e não pontos fortes do funcionamento executivo; escalas de afasia funcionam
da mesma maneira.

Esses testes se concentram nas características de apenas um lado da distribuição da

população em geral (ou seja, a extremidade inferior), enquanto as características do
outro lado da distribuição são menos preocupantes.
DISTRIBUIÇÕES INCLINADAS

Distribuições truncadas são comumente vistas para pontuações de erro.

Um bom exemplo disso é a falha em manter o contexto no Teste de Classificação de

Cartas de Wisconsin.

Em uma amostra normativa de pessoas de 30 a 39 anos, as pontuações brutas

americanas variaram de 0 a 21, mas a maioria das pessoas (84%) obtém pontuações
de 0 ou 1 e menos de 1% obtém pontuações superiores a 3 .
MULTIMODALIDADE E OUTROS TIPOS DE
NÃO NORMALIDADE

A multimodalidade é a presença de mais de

um “pico” em uma distribuição de frequência
(Figura 1–4).

A multimodalidade pronunciada sugere

fortemente a presença de duas ou mais
subpopulações distintas dentro de uma
amostra de referência, e os desenvolvedores
de teste que são confrontados com tais dados
devem considerar fortemente a avaliação de
variáveis de agrupamento (por exemplo, nível
de educação).
TAMANHO DA AMOSTRA E NÃO NORMALIDADE

O grau em que uma determinada distribuição se aproxima da distribuição da população

subjacente aumenta à medida que o número de observações (N) aumenta e se torna
menos preciso à medida que N diminui.

Isso tem implicações importantes para as normas derivadas de pequenas amostras.

Uma verdadeira distribuição normal é perfeitamente simétrica em relação à média e
tem uma inclinação de zero.

Uma distribuição não normal, mas simétrica, também terá um valor de inclinação
igual ou próximo de zero (curvas “achatadas” ou “pontiagudas”)

Quando as distribuições são assimétricas, a média e a mediana não são idênticas; a

média não estará no ponto médio da classificação e as pontuações z não serão
traduzidas com precisão em valores percentuais de classificação da amostra.

O erro no mapeamento das pontuações z para as classificações de percentil da

amostra aumenta à medida que a inclinação aumenta.
Curvas alteradas em sua inclinação

Distribuição Distribuição
com efeito de com efeito de
chão teto
Curvas alteradas em sua inclinação

Assimetria à Assimetria à
direita ou esquerda ou
positiva negativa
Curvas alteradas em sua curtose

Curva leptocúrtica (curvas pontiagudas)

Curva platicúrtica (curvas achatadas)
 Curva leptocúrtica (curvas pontiagudas)

Os desvios padrões muito pequenos, permitindo pouca oscilação de pontuação para o

desempenho do cliente atingir os extremos da frequência da população. Nestes casos,
pequenas oscilações que seriam naturais do ser humano passam a ser consideradas
desempenhos discrepantes e clínicos.
 Curva platicúrtica (curvas achatadas)
Os desvios-padrão costumam ser muito grandes, e, portanto, mesmo grandes oscilações
de desempenho não costumam levar a performance do indivíduo para os extremos da
frequência na população. Nestes curvas, oscilações que em situações normais levariam
para escores clínicos serão considerados normais.
 BPA
(tabela antiga)
NÃO NORMALIDADE COMO CARACTERÍSTICA FUNDAMENTAL DE CONSTRUTOS QUE
ESTÃO SENDO MEDIDOS

Dependendo das características do construto que está sendo medido e da finalidade

para a qual um teste está sendo projetado, uma distribuição normal de pontuações de
amostra de referência pode não ser esperada ou mesmo desejável.

Em alguns casos, a distribuição populacional do construto que está sendo medido pode
não ser normalmente distribuído (por exemplo, erro e tempo).
 QUAL O PROBLEMA DA CURVA TER ALTERAÇÕES EM
SUA CURTOSE OU INCLINAÇÃO, NA PRÁTICA?

Nestes casos, se fizermos o cálculo do escore z e tentarmos achar o

percentil equivalente na tabela de conversão (lembrem-se, a tabela que se
refere a uma distribuição normal), os valores ficarão distorcidos!!
 CURVA NORMAL

Como saber se a distribuição é normal?

 CURVA NORMAL

Como saber se a distribuição é normal?

Se a média e a mediana possuem o mesmo valor, possivelmente a

curva tem distribuição normal.

Se possuírem valores distintos, é provável que seja uma curva não

paramétrica.
RAVLT
Figura Complexa de Rey
Quando temos amostras não normais, vemos que os valores
tendem a se agrupar em alguns pontos.
RAVLT
Figura Complexa de Rey
 COMO CORRIGIR?

Para resultados oriundos de curvas que não tenham distribuição

normal, usamos as medidas oriundas da mediana, como o percentil.
 PERCENTIL

O percentil não é um escore padronizado, mas um escore de

ranqueamento, ou seja, de classificação em posições.

O percentil traduz o desempenho bruto em um posto que indica a

posição do indivíduo com relação ao grupo normativo, ou seja, na
porcentagem de pessoas da amostra que teve um desempenho igual
ou inferior ao seu escore.
 PERCENTIL

O percentil não é um escore padronizado, mas um escore de

ranqueamento, ou seja, de classificação em posições.

O percentil traduz o desempenho bruto em um posto que indica a

posição do indivíduo com relação ao grupo normativo, ou seja, na
porcentagem de pessoas da amostra que teve um desempenho igual
ou inferior ao seu escore.
Figura Complexa de Rey

Quando o valor
de repete, eu
não tenho
distribuição
normal, então
posso colocar
simplesmente
percentil > 60
para uma
pontuação de 36
pontos
FDT – ERROS
Exemplo

ZERO erros na Leitura

Percentil NULO

ZERO erros na Contagem

Percentil ≥ 25

ZERO erros na Escolha

Percentil ≥ 75

3 erros na Alternancia
Percentil > 25 < 50
Nestes casos, usaremos os sistemas de classificação da
distribuição não normal
Percentil ≥ 60
Percentil ≥ 25
 MAS..... e se a tabela só me oferece média e desvio
padrão, como tabelas oriundas de artigos como Boston,
FAS, Trail, etc?

Como usamos tabelas vindas de artigos ou tarefas com

grupos pequenos???
Se você utilizou uma tarefa que apresenta um grupo comparativo
pequeno, é possível recorrer às análises de casos-controle.

Nesta análise o resultado do paciente é comparado ao resultado médio

(média) e à oscilação média (desvio-padrão) oriundos de um pequeno
grupo de sujeitos.

O software SingleBayes_ES.exe exerce essa análise

Este método é uma tentativa de corrigir a distribuição não normal
Para baixar o software SingleBayes_ES.exe

https://homepages.abdn.ac.uk/j.crawford/pages/dept/psychom.htm
Média da tabela
Desvio padrão
Tamanho da amostra
Pontuação do seu pcte
Exemplo: Tabela do BOSTON adaptado

Paciente de 66
anos, ensino
médio completo,
tira 51 pontos no
BOSTON

Media 54.8
DP 3.1
N6
Paciente de 60 anos,
ensino médio completo,
tira 51 pontos no BOSTON

Media 54.8
DP 3.1
N6
Paciente de 60 anos,
ensino médio completo,
tira 51 pontos no BOSTON

Media 54.8
DP 3.1
N6

51 – 54.8 / 3.1 = z -1,22

Paciente de 60 anos, ensino
médio completo, tira 51 pontos
no BOSTON

Media 54.8
DP 3.1
N6

51 – 54.8 / 3.1 = z -1,22

Apesar do z ser -1,22

Através de uma análise por t
modificado, a calculadora me
diz que tem 95% de chance de
este escore z estar entre -2,22 a
-0,108

Ou seja, percentil entre 1 e 45

DÚVIDAS?