Esta herramienta responde la pregunta que todo estudio debería responder antes de recolectar datos: ¿cuántos participantes necesitas? Escribes el tamaño del efecto que esperas (d de Cohen para diferencias de medias, o una diferencia de proporciones), tu nivel alfa (normalmente 0,05) y la potencia deseada (normalmente 0,80, es decir, 80 por ciento de probabilidad de detectar un efecto real). La herramienta devuelve el tamaño muestral por grupo con fórmulas estándar de aproximación normal para pruebas t de una muestra, de dos muestras y de dos proporciones. Planificar el tamaño muestral antes de recolectar no es burocracia. Un estudio con poca potencia desperdicia el tiempo de los participantes y normalmente no encuentra nada, incluso cuando el efecto es real.
Cómo usarla
- Elige tu tipo de prueba.
- Escribe el menor tamaño del efecto que importaría en la práctica.
- Mantén alfa en 0,05 y potencia en 0,80 salvo que tengas motivo para cambiarlos.
- Pulsa Calcular tamaño muestral.
- Añade 10 a 15 por ciento por abandonos esperados y redondea hacia arriba.
Ejemplo resuelto
Planeas un experimento de dos grupos y esperas un efecto mediano, d = 0,5. Con alfa 0,05 y potencia 0,80, la herramienta devuelve 63 participantes por grupo, o 126 en total. Esperando 10 por ciento de abandonos, reclutas 139. Compáralo con adivinar: reclutar 30 por grupo te daría solo alrededor de 50 por ciento de probabilidad de detectar el mismo efecto, una moneda al aire después de todo el trabajo de ejecutar el estudio. Si en cambio esperas un efecto pequeño de d = 0,2, la muestra necesaria salta por encima de 390 por grupo, lo que puede indicarte rediseñar el estudio en vez de ejecutar una versión con poca potencia.
Límites honestos
Estas son aproximaciones normales, no cálculos exactos de potencia de un paquete estadístico. Para muestras pequeñas, datos no normales, diseños agrupados o medidas repetidas, usa software dedicado como G*Power e informa su salida. La entrada más difícil es también la más importante: el tamaño del efecto. Adivinar un efecto optimista para justificar una muestra pequeña es el abuso más común del análisis de potencia. Basa tu efecto en datos piloto o estudios publicados, y haz una comprobación de sensibilidad: ¿qué pasa con el tamaño muestral si el efecto real es la mitad de lo esperado?
Para quién es
Esta herramienta es para estudiantes que escriben una sección de métodos, investigadores que planifican una propuesta y tutores que revisan el diseño de un estudiante. Da cifras de planificación defendibles en segundos. Para el protocolo registrado final, confirma las cifras en un paquete completo de análisis de potencia y cita esa salida junto a esta comprobación.
Para ir más allá
Haz una tabla de sensibilidad, no un solo cálculo. Calcula la muestra necesaria para un efecto pesimista, uno realista y uno optimista, y muestra los tres a tu tutor o financiador: la tabla hace explícita la apuesta y te protege si el efecto real cae en el extremo bajo. Los datos piloto ayudan, pero sus tamaños del efecto son ruidosos y normalmente inflados, así que reduce una estimación piloto antes de usarla: reducirla a la mitad es una regla práctica común y defendible. También presupuesta las realidades que la fórmula ignora: grupos desiguales cuestan potencia, resultados faltantes cuestan potencia y los análisis por subgrupos multiplican la muestra necesaria. Si el tamaño muestral honesto supera lo que puedes reclutar, rediseña en vez de fingir: acota la pregunta, elige un resultado más sensible, usa un diseño intra-sujeto donde cada participante es su propio control o colabora entre centros. Un estudio pequeño y con buena potencia sobre una pregunta precisa supera siempre a un estudio grande y con poca potencia sobre una pregunta vaga. Informa el análisis de potencia en tus métodos con las cuatro cifras: el tamaño del efecto y su fuente, alfa, potencia y el tamaño muestral resultante por grupo, más el margen por abandonos. Un revisor que solo ve el tamaño muestral final no puede juzgar si el estudio se planeó o simplemente se dimensionó por conveniencia, y los financiadores tratan cada vez más una justificación de potencia faltante como un elemento de diseño faltante. Si el reclutamiento queda corto respecto al objetivo, dilo con claridad e informa la potencia alcanzada para el efecto planeado: un déficit honesto y revelado daña un artículo mucho menos que uno silencioso descubierto por un lector que recalcule tus cifras.
Herramientas relacionadas
English version · Resolvedor de Registros Duplicados · Herramientas gratis en español.
Inserta esta herramienta en tu web — gratis
Copia el código de abajo para añadir esta herramienta funcional a tu propia página. Solo pedimos que mantengas el pequeño enlace de crédito que la acompaña.