A potência de um teste de hipótese estatística

O poder de um teste estatístico é a chance de que ele vai sair estatisticamente significativa quando deveria - ou seja, quando a hipótese alternativa é realmente verdade. O poder é uma probabilidade e muitas vezes é expresso como uma percentagem. Beta é a chance de conseguir um resultado não significativo quando a hipótese alternativa é verdade, então você vê que o poder e beta estão relacionados matematicamente: Poder = 1 - beta.

O poder de qualquer teste estatístico depende de vários fatores:

• O nível alfa que você estabeleceu para o teste - ou seja, a chance que você está disposto a aceitar de fazer um erro tipo I

• A magnitude real do efeito na população, em relação à quantidade de ruído nos dados

• O tamanho de sua amostra

Poder, tamanho da amostra, tamanho do efeito em relação ao ruído, e alfa nível não podemos todos ser variados independently- eles estão inter-relacionados - conectado e limitado por uma relação matemática que envolve os quatro quantidades.

Esta relação é muitas vezes muito complicado, e às vezes não pode ser escrita explicitamente como uma fórmula, mas ela existe. Para qualquer tipo particular de teste, você pode (pelo menos em teoria) determinar qualquer um dos quatro quantidades se você sabe os outros três. Então, existem quatro maneiras diferentes de fazer cálculos de potência, com cada caminho calcular um dos quatro quantidades de valores arbitrariamente especificadas dos outros três.

Video: Dicas e Macetes #2 - Teste de Hipóteses - Poder do Teste

relações de tamanho de potência, tamanho da amostra, e efeito

O nível alfa de um teste estatístico é normalmente ajustado para 0,05, a menos que existam considerações especiais. Depois de especificar o valor do alfa, você pode exibir a relação entre os outros três variáveis ​​(potência, tamanho da amostra e tamanho do efeito) de várias maneiras:

• Poder contra tamanho da amostra, para vários tamanhos de efeito: Para todos os testes estatísticos, o poder de umeumaneiras aumenta à medida que o tamanho da amostra aumenta, se outras coisas (tais como nível alfa e tamanho do efeito) são mantidos constantes. “Eff” é o tamanho do efeito - a diferença entre grupos dividido pelo desvio padrão dentro do grupo.

  Muito pequenas amostras muito raramente produzem resultados significativos a menos que o tamanho do efeito é muito grande. Por outro lado, extremamente grandes amostras (muitos milhares de indivíduos) são quase sempre significativa a menos que o tamanho do efeito é quase zero. Em estudos epidemiológicos, que frequentemente envolvem centenas de milhares de indivíduos, testes estatísticos tendem a produzir extremamente pequenas (e, por conseguinte, extremamente importantes) valores de p, mesmo quando o tamanho do efeito é tão pequena que não é de importância prática.

  

• Poder contra tamanho do efeito, para vários tamanhos de amostra: Para todos os testes estatísticos, poder sempre invincos como o tamanho do efeito aumenta, se outras coisas (tais como nível alfa e tamanho da amostra) são mantidos constantes. “N” é o número de sujeitos em cada grupo.

  Para grandes tamanhos de efeito, o poder se aproxima de 100 por cento. Por muito pequenos tamanhos de efeito, você pode pensar que o poder do teste se aproximaria de zero, mas você pode ver a partir da figura que ele não vai para baixo todo o caminho para zero que realmente se aproxima do nível alfa do teste.

  
  
  
  

  (Tenha em mente que o nível alfa do teste é a probabilidade do teste produzir um resultado significativo quando nenhum efeito está verdadeiramente presente.)

  

• O tamanho da amostra contra o tamanho do efeito, para vários valores de potência: Para todos os testes estatísticos, o tamanho da amostra e o tamanho do efeito estão inversamente relacionados, se outras coisas (como nível alfa e poder) são mantidos constantes. pequenos efeitos podem ser detectados somente com grandes efeitos grandes Amostras- muitas vezes pode ser detectado com pequenas amostras.

  

  Esta relação inversa entre o tamanho da amostra e o tamanho do efeito assume uma forma matemática muito simples (pelo menos para uma boa aproximação): A dimensão da amostra necessária é inversamente proporcional ao quadrado do tamanho do efeito que pode ser detectado.

  Ou, de forma equivalente, o tamanho do efeito detectável é inversamente proporcional à raiz quadrada do tamanho da amostra. Então, quadruplicando o tamanho da amostra permite detectar tamanhos de efeito apenas metade tão grandes.

Como fazer cálculos de potência

Os cálculos de energia são uma parte crucial do projeto de qualquer projeto de pesquisa. Você não quer que seu estudo a ser fraca potência (com um alto risco de perder efeitos reais) ou dominado (maior, mais caro e mais demorado do que o necessário). Você precisa fornecer uma análise de energia / sample-size para qualquer proposta de pesquisa que você enviar para o financiamento ou qualquer protocolo de submeter ao Conselho de Revisão para aprovação.

Você pode executar cálculos de energia de várias maneiras:

• O software de computador: Os pacotes de estatísticas de maiores dimensões (tais como SPSS, SAS, e R) oferecem uma ampla gama de cálculos de energia. Há também programas especialmente concebidos para esse fim (nQuery, StatExact, Poder e precisão, PS-Power & Tamanho da amostra, e GPower, por exemplo).

• Paginas web: Muitos dos cálculos de potência mais comuns podem ser realizadas on-line usando calculadoras baseadas na web. Uma grande coleção de estes podem ser encontrados em StatPages.net.

• Dispositivos portáteis: Apps para os cálculos de energia mais comuns estão disponíveis para a maioria dos tablets e smartphones.

  Video: ANOVA 3 Teste de hipótese com Estatística F

• gráficos e tabelas impressas: Você pode encontrar gráficos e tabelas em livros didáticos. Estes são ideais para cálculos rápidos e sujos.

• Regras de ouro: Alguns cálculos do tamanho da amostra aproximados são simples o suficiente para fazer em um pedaço de papel ou mesmo na sua cabeça!