Técnica de reamostragem para simulação de normas
Trecho de 1 min 48 s de Conferência 3 - TRADUZIDA (Prof. Dr. Patrick Fontan) - Introduction to the Comprehensive System Revised and CHESSSS 2, gravado no evento X CONGRESSO DA ASSOCIAÇÃO BRASILEIRA DE RORSCHACH E MÉTODOS PROJETIVOS: Desafios Contemporâneos dos Métodos Projetivos.
Assistir à gravação completaNo Even3 Conteúdos · 53 minSobre este trecho
Explicação de como gerar amostras simuladas e percentis precisos a partir de estatísticas descritivas usando técnicas de reamostragem.
Vai de a da gravação.
O que é dito neste trecho
O que nós podemos fazer é pegar essa amostra e usar uma técnica de reamostragem. Então, nós fazemos uma reamostragem dos dados de acordo com estes parâmetros, os parâmetros dos argelinos. Então, nós usamos essa informação e fazemos uma reamostragem deste conjunto de dados para fazer parecer como o conjunto de dados da Argélia. O que nós estamos fazendo aqui é que nós estamos produzindo ou computando, simulando uma amostra da Argélia com valores simulados. Isso não é difícil de ser feito. E agora que nós temos essa amostra simulada, nós podemos computar as estatísticas. Nós encontramos diferenças muito pequenas que não tem problema porque a o propósito justamente esse, né, da reamostragem. Isso não é o ponto principal, mas mostra que funciona. E não é muito difícil pegar essas amostras, reamostrar de acordo com estes parâmetros para que fique como amostra da Argélia. Ponto relevante aqui é que agora com esta amostra simulada nós conseguimos computar os percentis, classificações de percentis. Eu imagino que neste momento vocês estejam um pouco desconfiados. Será que é confiável? A questão é que a gente não sabe, nós não temos ideia e a única forma que é testar. Nós precisamos determinar se essa técnica é confiável ou não. Mas lembrem-se, nós temos os dados originais, né?
Outros trechos deste conteúdo

Sensibilidade, especificidade e matriz de confusão na clínica
Trecho de a da gravação

Três noções interpretativas no CS-R
Trecho de a da gravação