Cálculo de tamaño muestral

Conceptos clave

• Tamaño muestral
• Tamaño del efecto = diferencia (estandarizada) entre grupos. La d de Cohen representa las desviaciones estándar que separan dos o más grupos, ej: d de Cohen = 0.5 representa que la diferencia entre grupo experimental y muestral es de media desviación estándar. Cohen sugirió (provisoriamente) que 0.2 pequeño, 0.5 mediano y 0.8 grande. Se puede calcular aquí: http://www.uccs.edu/~lbecker/
• Nivel de significancia = probabilidad de encontrar una diferencia/efecto que no es real (Error tipo I)
• Poder 1 - Error Tipo II : probabilidad de encontrar una diferencia/efecto que es real

Si tenemos tres podemos calcular un cuarto

Paquete a utilizar

Cálculos

Función	Para	Ejemplo	Claves
pwr.2p.test	two proportions (equal n)	pwr.t2n.test(n1 = , n2= , d = , sig.level =, power = )	n1 y n2 son los tamaños muestrales
pwr.2p2n.test	two proportions (unequal n)	pwr.2p2n.test(h = , n1 = , n2 = , sig.level = , power = )
pwr.anova.test	balanced one way ANOVA	pwr.anova.test(k = , n = , f = , sig.level = , power = )
pwr.chisq.test	chi-square test	pwr.chisq.test(w =, N = , df = , sig.level =, power = )
pwr.f2.test	general linear model	pwr.f2.test(u =, v = , f2 = , sig.level = , power = )
pwr.p.test	proportion (one sample)	pwr.p.test(h = , n = , sig.level = power = )
pwr.r.test	correlation	pwr.r.test(n = , r = , sig.level = , power = )
pwr.t.test	t-tests (one sample, 2 sample, paired)
pwr.t2n.test	t-test (two samples with unequal n)	pwr.2p.test(h = , n = , sig.level =, power = )

Ejemplos

Para un test t de dos colas, con un nivel de p = 0.05 y n= 30 por grupo, que tamaño de efecto se puede detectar con un poder 0.8?

pwr.2p.test(n = 30, sig.level = 0.01, power = 0.8)

     Difference of proportion power calculation for binomial distribution (arcsine transformation) 

              h = 0.8823847
              n = 30
      sig.level = 0.01
          power = 0.8
    alternative = two.sided

NOTE: same sample sizes

¿Qué n necesito para detectar un tamaño de efecto 0.3 en un test de anova?

pwr.anova.test(k = 4, n = NULL, f = 0.3, sig.level = 0.05, power = 0.8)

     Balanced one-way analysis of variance power calculation 

              k = 4
              n = 31.27917
              f = 0.3
      sig.level = 0.05
          power = 0.8

NOTE: n is number in each group