Cálculo de Potencia Estadística y Tamaño de Muestra
Calcula el tamaño de muestra óptimo y la potencia estadística para planificar estudios y experimentos, cubriendo tests cerrados (t-test, ANOVA, proporciones, correlaciones) y simulación Monte Carlo para diseños complejos como modelos mixtos, regresión logística y ensayos clúster-aleatorizados. Imprescindible para justificar muestras en protocolos IRB, grants y pre-registros.
Incluida en el Pase · para Python, statsmodels, scipy
// qué_hace
Determina cuántas muestras/sujetos se necesitan para detectar un efecto dado con la potencia estadística deseada, o calcula el efecto mínimo detectable para un n fijo.
// cómo_lo_hace
Usa fórmulas cerradas (statsmodels/pingouin) para tests estándar y simulación Monte Carlo para diseños complejos, con curvas de potencia, ajustes por dropout/clustering y plantillas de reporte reproducibles.
// ejemplo_de_uso
Cuando diseñas un experimento A/B y necesitas saber cuántos usuarios hacen falta antes de lanzarlo. Ej.: calcular que necesitas 2.400 usuarios por variante para detectar un aumento del 5% en conversión con 80% de potencia.
// plataformas
// opiniones_de_la_comunidad
Opiniones
Cargando opiniones…