Calculadora h de Cohen
Taxas de sucesso de 0,70 e 0,30 dão um h de Cohen acima de 0,80, um efeito grande. Informe duas proporções e receba o h com sinal e em valor absoluto, os dois valores transformados e a faixa de tamanho, de desprezível a grande. Grátis no seu navegador.
- Grátis
- Funciona no seu navegador
- Sem cadastro
- Seus dados não saem do seu aparelho
Executar grátis
Exemplo resolvido
- P1
- 0,7
- P2
- 0,3
- Phi1
- 1,9823131729
- Phi2
- 1,1592794807
- H
- 0,8230336921
- Abs h
- 0,8230336921
Quando dois grupos mostram taxas de sucesso diferentes—conversão, aprovação, cura, cliques ou qualquer proporção binomial—a diferença bruta p1 menos p2 é fácil de citar, mas difícil de comparar entre bases próximas de zero e próximas de um meio. O h de Cohen é o tamanho de efeito clássico nesse cenário: transforme cada proporção com o mapa arcseno (angular) φ(p) igual a duas vezes o arcseno da raiz quadrada de p e subtraia os valores transformados. Passos iguais em h correspondem de forma mais próxima a detectabilidade comparável na escala de proporções do que diferenças brutas. Esta calculadora aceita duas proporções finitas no intervalo unitário fechado, rejeita valores fora de zero a um com erro de validação claro e devolve h com sinal, |h|, as transformações intermediárias e uma faixa de magnitude convencional (desprezível, pequena, média ou grande).
Como o h de Cohen é definido para duas proporções
Comece com duas proporções amostrais p1 e p2, cada uma um número finito no intervalo fechado de zero a um inclusive. A transformação arcseno usada por Cohen é φ(p) igual a duas vezes o seno inverso da raiz quadrada de p. Nos extremos a transformação é exata em aritmética de ponto flutuante comum: φ(0) é zero e φ(1) é π.
O h de Cohen é simplesmente a diferença com sinal h igual a φ(p1) menos φ(p2). Um h positivo significa que o primeiro grupo fica mais alto na escala transformada do que o segundo; um h negativo inverte a comparação. O valor absoluto |h| é o que os manuais mapeiam para rótulos de magnitude: valores perto de 0.20 são convencionalmente pequenos, perto de 0.50 médios e perto de 0.80 grandes, e tudo abaixo de 0.20 costuma ser tratado como desprezível para planejamento.
A transformação importa porque um salto de 0.01 para 0.11 não é o mesmo problema de detecção que um de 0.45 para 0.55, embora ambas as diferenças brutas sejam 0.10; após o mapa arcseno esses dois vãos produzem valores de h diferentes que refletem melhor as variâncias binomiais desiguais perto das bordas do intervalo unitário. O procedimento é totalmente determinístico: sem sementes aleatórias, sem carimbos de relógio e sem chamadas de rede.
Onde o h de Cohen aparece no trabalho real
Equipes de produto e crescimento que comparam taxas de conversão ou cliques entre variantes costumam relatar h ao lado de um teste de significância para que as partes interessadas vejam se um ganho se distingue do ruído e quão grande ele é em uma escala comparável entre bases. Analistas clínicos e de saúde pública resumem diferenças em taxas de cura, resposta ou adesão com h quando tamanhos de efeito de média contínua como o d de Cohen ou o g de Hedges distorceriam desfechos binários.
Pesquisa de pesquisas e psicometria relata mudanças em taxas de endosso de itens ou de aprovação com um tamanho de efeito formal para que leitores de currículo e política julguem a importância prática além dos p-valores. Cadernos de ciência de dados precisam de um h de Cohen sem dependências ao validar simulações ou verificar se uma magnitude publicada coincide com a diferença arcseno pretendida de duas taxas.
Se mais tarde voce precisar de um tamanho de efeito de média contínua, um intervalo de confiança para duas proporções ou um teste completo de igualdade de taxas, trate-os como intenções de busca e páginas distintas em vez de sobrecarregar esta calculadora de h de Cohen.
Casos de uso
Comparações A/B de conversão e aprovação
Equipes de produto e educação transformam duas taxas observadas em um h de Cohen com sinal e uma faixa de magnitude sem instalar um pacote estatístico.
Desfechos clínicos e de pesquisa binários
Analistas relatam a importância prática de diferenças em taxas de cura, resposta ou endosso na escala clássica arcseno do tamanho de efeito.
Perguntas frequentes
Qual é a fórmula do h de Cohen?
Transforme cada proporção com φ(p)=2·arcsin(√p) e depois h=φ(p1)−φ(p2). O sinal mostra qual grupo é mais alto na escala transformada; |h| é usado nas faixas de magnitude.
Quais valores são aceitos para p1 e p2?
Números finitos no intervalo unitário fechado [0, 1].
Como |h| pequeno, médio e grande são definidos aqui?
Cortes convencionais: |h|<0.20 desprezível, 0.20–0.50 pequeno, 0.50–0.80 médio e |h|≥0.80 grande. Coincidem com regras de planejamento comuns dos manuais para o h de Cohen.
Como isso difere do d de Cohen ou do g de Hedges?
O h de Cohen é para duas proporções (taxas binárias). O d de Cohen e o g de Hedges padronizam diferenças de médias em desfechos contínuos; use essas páginas quando seus dados forem médias e DPs, não taxas.
Quanto custa?
A ferramenta do navegador é grátis e roda localmente.
Ferramentas relacionadas
Para desenvolvedores — acesso via API
Tudo nesta página está disponível via API. Esta seção é para equipes que querem integrar a ferramenta aos próprios sistemas; quem não precisa disso pode simplesmente usar a ferramenta acima.
Endpoint
Autenticação por token Bearer. Um único POST coloca a tarefa na fila; o resultado chega por webhook ou link assinado.
Chame do seu código
curl -X POST https://api.kit.forhosting.com/stat/cohens-h \
-H "Authorization: Bearer $KIT_KEY" \
-H "Content-Type: application/json" \
-d '{"p1":0.7,"p2":0.3}'const res = await fetch("https://api.kit.forhosting.com/stat/cohens-h", {
method: "POST",
headers: {
"Authorization": `Bearer ${process.env.KIT_KEY}`,
"Content-Type": "application/json"
},
body: JSON.stringify({
"p1": 0.7,
"p2": 0.3
})
});
const { task_id } = await res.json();import os, requests
res = requests.post(
"https://api.kit.forhosting.com/stat/cohens-h",
headers={"Authorization": f"Bearer {os.environ['KIT_KEY']}"},
json={
"p1": 0.7,
"p2": 0.3
},
)
task_id = res.json()["task_id"]<?php
$res = file_get_contents("https://api.kit.forhosting.com/stat/cohens-h", false, stream_context_create([
"http" => [
"method" => "POST",
"header" => "Authorization: Bearer " . getenv("KIT_KEY") . "\r\nContent-Type: application/json",
"content" => '{"p1":0.7,"p2":0.3}',
],
]));
$task = json_decode($res, true);body := bytes.NewBufferString(`{"p1":0.7,"p2":0.3}`)
req, _ := http.NewRequest("POST", "https://api.kit.forhosting.com/stat/cohens-h", body)
req.Header.Set("Authorization", "Bearer "+os.Getenv("KIT_KEY"))
req.Header.Set("Content-Type", "application/json")
res, _ := http.DefaultClient.Do(req)Exemplo de requisição
{
"p1": 0.7,
"p2": 0.3
}Exemplo de resposta
{
"task_id": "tsk_a1b2c3d4e5f6a1b2c3d4e5f6",
"type": "stat.cohens_h",
"status": "queued",
"_links": {
"result": "/tasks/tsk_…/result"
}
}A API é assíncrona: cada chamada devolve um task_id na hora. Se preferir polling, consulte o status a até 1 requisição por segundo.
Preço
Preço publicado, sem tokens nem créditos escondidos. Tarefa que falha não é cobrada.
Erros
| HTTP | Código | O que significa |
|---|---|---|
401 | unauthorized | Token ausente ou inválido. Confira o header Authorization. |
402 | insufficient_balance | Saldo insuficiente para esta tarefa. Faça uma recarga e tente de novo. |
404 | unknown_type | Esse tipo de tarefa não existe. Confira o campo type no catálogo. |
429 | rate_limited | Muitas requisições em pouco tempo. Espere um instante e tente de novo. |
Notas técnicas
O preço das chamadas API bem-sucedidas é a base publicada de US$ 0,002 por item; entrada inválida não é cobrada.
O que voce envia e o que recebe de volta
Envie dois campos obrigatórios: p1 para a proporção amostral do primeiro grupo e p2 para a do segundo. Verificações clássicas incluem um vão grande como 0.70 versus 0.30, um pequeno como 0.55 versus 0.45, proporções iguais que forçam h a zero e uma taxa deliberadamente fora da faixa como 1.2 que deve falhar. Cada um deve ser um número finito entre zero e um inclusive; percentuais como setenta devem ser convertidos para 0.70 antes de chamar a API. O motor também aceita aliases de sala proportion1 e proportion2, prop1 e prop2, e nomes curtos a e b para as duas taxas. Campos ausentes, strings vazias, NaN, Infinity e qualquer valor estritamente fora do intervalo unitário falham com invalid_input e não são cobrados—a mensagem indica que é necessária uma proporção no intervalo fechado de zero a um. Em caso de sucesso a resposta ecoa p1 e p2 limpos, devolve phi1 e phi2 das transformações arcseno intermediárias, informa h com sinal e abs_h arredondados para comparação JSON estável, rotula magnitude com um de negligible, small, medium ou large usando os cortes convencionais 0.20 / 0.50 / 0.80 em |h|, e inclui uma string formula curta reafirmando a identidade do livro. Use o formulário gratuito do navegador para tarefas e demos e o mesmo contrato a partir de scripts quando precisar de tamanhos de efeito em lote para muitos pares de taxas A/B sob uma única forma JSON. O preço API de chamadas bem-sucedidas é a base publicada de US$ 0,002 por item; falhas de validação não consomem saldo e nunca inventam proporções para forçar um resultado.
Onde o h de Cohen aparece no trabalho real
Cursos de estatística do ensino médio e da faculdade atribuem com frequência exercícios de tamanho de efeito para duas proporções junto a testes qui-quadrado ou z de independência; um oráculo confiável que devolve JSON limpo agiliza a correção sem consultar tabelas de arcseno à mão. Como esta capacidade é um motor parse puro, o preço API é a base publicada de US$ 0,002 por item bem-sucedido e a validação falha não consome saldo.
Casos de integração
Gabaritos de tamanho de efeito em tarefas e livros
Alunos e corretores verificam φ(p1)−φ(p2) em pares de proporções da sala e fixam o mesmo JSON em corretores de questionários.