Cómo planificar un estudio 01 Elija el test que corresponde al diseño. Dos medias independientes es tTwo; medidas apareadas es tPaired con d<sub>z</sub>; proporciones es propTwo con h. 02 Elija qué resolver. Potencia, N o efecto — los otros dos deben aportarse. 03 Introduzca el efecto en las unidades del propio test. d = 0.5 es media desviación estándar; h = 0.541 es una diferencia de proporciones transformada por arcoseno. El panel convierte entre convenciones (d ↔ r, η² ↔ f, proporciones ↔ h) para que el efecto pueda expresarse en la forma que usa su fuente. 04 Fije α, colas y cualquier corrección. α bilateral = 0.05 es el valor por defecto; una corrección de Bonferroni o Šidák sobre k comparaciones se aplica al α efectivo antes del cálculo de potencia. 05 Lea la tarjeta de distribución. Potencia, N (dividido en n₁ y n₂), valor crítico, df y el parámetro de no centralidad δ se informan, lo que hace auditable el número.
Lecturas resueltas
Diseño · entrada
Lectura
t de dos muestras, d = 0.5, α = 0.05, 80 % de potencia, bilateral
N = 128 (64 + 64), potencia 80.146 % , t crítica 1.978971 , df 126 , δ 2.82843
El mismo diseño, unilateral
N = 101 (51 + 50), potencia 80.241 % , t crítica 1.660391 , df 99
El mismo diseño con N = 100
potencia 69.689 % (δ 2.5 , t crítica 1.984467 , df 98 )
Resolver el efecto con N = 100
d mínimo detectable = 0.56588
Objetivo 90 % de potencia
N = 171 (86 + 85), δ 3.26912
d = 0.2 en vez de 0.5
N = 787 (394 + 393)
Bonferroni sobre 2 comparaciones
α efectiva 0.025 , N = 155 (78 + 77)
Dos proporciones, h = 0.541
N = 108 (54 + 54)
A/B: 120/1000 frente a 150/1000
z 1.96305 , p 0.04964 , significativo; potencia post-hoc con las tasas observadas 50.203 % ; N para 80 % de potencia con esas tasas 2036 por grupo
Por qué la respuesta viene de una distribución no central Bajo la hipótesis nula, el estadístico t de dos muestras sigue una distribución t central con 126 grados de libertad, y el test rechaza cuando |t| supera 1.978971 . Bajo la alternativa sigue una t no central con los mismos df y una no centralidad δ = d·√(n₁n₂/(n₁+n₂)) = 2.82843 con d = 0.5 y 64 por brazo. La potencia es la probabilidad de que una extracción de esa distribución desplazada caiga más allá del valor crítico — 80.146 % . Nada del cálculo es una regla heurística: integra la densidad no central, y el panel informa δ y el valor crítico para que el resultado pueda reproducirse.
La misma maquinaria se invierte en las otras dos direcciones. Para hallar N, el solucionador aumenta n hasta que la probabilidad no central cruza el objetivo; el salto de 128 a 171 observaciones para un 90 % de potencia es el precio de la seguridad extra. Para hallar el efecto mínimo detectable, busca el efecto que da exactamente la potencia objetivo con N fijo; con N = 100 es d = 0.56588 , así que el diseño no puede ver de forma fiable el efecto d = 0.5 para el que se dimensionó. La fila unilateral muestra la ventaja de una hipótesis direccional: la misma potencia del 80 % necesita 101 observaciones en vez de 128, y una corrección de Bonferroni sobre dos comparaciones eleva N a 155 .
Límites y bordes
La potencia es una propiedad del diseño, no de los datos. Los números describen la probabilidad de un experimento futuro bajo un efecto supuesto; una vez que los datos están, la potencia no es una estadística observable. La cifra post-hoc de la vista A/B es un diagnóstico, no evidencia.
Cada respuesta hereda el efecto y la distribución supuestos. El d = 0.5 de un piloto es una estimación con su propia incertidumbre; el test de dos proporciones asume la aproximación por arcoseno, y existe potencia binomial exacta para estudios pequeños de una proporción donde la discretitud importa. Lo que no hace. No ejecuta el contraste de hipótesis sobre sus datos, no ajusta un modelo ni corrige por agrupamiento y datos faltantes. Pruebe muestras reales en Hypothesis Tests , resúmalas en Descriptive y vigile un proceso en marcha con el SPC panel .
La trampa de la potencia observada El ejemplo A/B es la trampa en una tabla: 120/1000 frente a 150/1000 da z = 1.96305 y p = 0.04964 , significativo con α = 0.05, pero la potencia post-hoc con esas tasas observadas es solo 50.203 % — una moneda al aire. El resultado no es erróneo; es frágil. Citar la potencia post-hoc como si validara el hallazgo confunde la probabilidad de los datos bajo la nula con la probabilidad de un estudio futuro. Lo honesto es dimensionar el siguiente estudio: con esas tasas, el 80 % de potencia necesita 2036 por grupo.
La segunda trampa son las unidades del efecto. d = 0.5 y h = 0.541 son ambos "medios" según sus convenciones, pero no son intercambiables; aplicar una conversión al test equivocado cambia la N requerida. La tercera es la discretitud: en el ejemplo binomial exacto con n = 30, p₀ = 0.25 y p₁ = 0.5, el α nominal de 0.05 solo admite la región de rechazo entera X ≤ 2 o X ≥ 13, cuyo tamaño bilateral real es α = P(X ≤ 2 o X ≥ 13 | p₀) = 0.032190 , y cuya potencia es la probabilidad de esa misma región bajo p₁ = 0.5, 81.920 % . Cuando n es pequeño, lea el α real, no el que escribió.
Dónde encaja Dimensionar un experimento de dos brazos Para un efecto de media desviación estándar, bilateral al 80 % de potencia, la respuesta es 128 observaciones; duplicar la seguridad al 90 % cuesta 171 , y corregir por dos comparaciones cuesta 155 . Cada número viene con su δ y valor crítico para que quien revise pueda comprobar la aritmética.
Leer correctamente un resultado sin potencia Un piloto con 50 por brazo y d = 0.5 tiene potencia 69.7 % , así que un resultado no significativo no es evidencia de ausencia de efecto — es el resultado esperado en tres de cada diez ejecuciones. "Resolver el efecto" lo convierte en una afirmación concreta: el piloto solo puede detectar de forma fiable d = 0.566 y superiores.
Privacidad Todos los cálculos de potencia, curvas y resultados A/B se computan en su navegador; nada se sube.
Referencias
Wikipedia, Power of a test , en.wikipedia.org (访问日期:2026-10-07)— potencia, β y la interpretación del diseño.
Wikipedia, Noncentral t-distribution , en.wikipedia.org (访问日期:2026-10-07)— la distribución desplazada detrás de la potencia del test t.
Wikipedia, Sample size determination , en.wikipedia.org (访问日期:2026-10-07)— invertir la potencia para N y el tamaño del efecto.
Wikipedia, Bonferroni correction , en.wikipedia.org (访问日期:2026-10-07)— la corrección por multiplicidad aplicada a α.
G*Power (Faul et al., 2007), psychologie.hhu.de (访问日期:2026-10-07)— la herramienta de referencia para el análisis de potencia con distribuciones no centrales.
Calculators in this hub
Hand-picked tools, one click away. The mini versions compute live and carry your values into the full calculator.
Sources & review
Updated 2026-10-07