Calculadora de pruebas A/B: Tamaño de la muestra

El tamaño de la muestra depende del nivel de confianza deseado, el margen de error, el tamaño de la población y el tamaño del efecto esperado (MDE). Los efectos grandes requieren muestras más pequeñas, mientras que los efectos pequeños requieren muestras más grandes para ser detectados.

El nivel de confianza (típicamente 95%) indica qué tan seguro está en sus resultados. El margen de error es el rango de incertidumbre alrededor de su estimación. Un nivel de confianza más alto o un margen de error más pequeño requieren muestras más grandes.

Utilice un enfoque conservador: una división equitativa en dos grupos en proporciones 50/50.

Si la población es limitada, use una corrección para la población finita e intente maximizar la cobertura. En el caso de muestras muy pequeñas, use métodos de análisis no paramétricos y considere una potencia estadística reducida.

Si se elige un MDE demasiado pequeño, se requerirá una muestra enorme, lo que puede no ser práctico. Si se elige un MDE demasiado grande, se pueden pasar por alto efectos pequeños pero importantes. El MDE óptimo debe reflejar el valor comercial o de investigación del efecto.

La potencia estadística es la probabilidad de detectar un efecto real (si existe) y evitar un error de tipo II (un falso negativo). Una mayor potencia (normalmente del 80% o más) requiere un tamaño de muestra mayor para garantizar que no se pierda un resultado significativo.

Cuanto mayor sea la variabilidad en los datos de la población (desviación estándar), mayor será el tamaño de la muestra necesario para lograr la misma precisión. Esto se debe a que una mayor variabilidad dificulta la obtención de una estimación precisa de la media de la población.

Para estudios comparativos, necesita un cálculo del tamaño de la muestra que tenga en cuenta el efecto mínimo detectable (la diferencia más pequeña que considera importante) y la potencia estadística para garantizar que su experimento sea capaz de detectar esa diferencia.