Points clés
- Catégorie
- Maths, dates et finance
- Types d’entrée
- select, number
- Type de sortie
- json
- Couverture des échantillons
- 4
- API disponible
- Yes
Vue d’ensemble
Ce calculateur de puissance statistique permet d'estimer la probabilité de détecter un effet réel lors de tests d'hypothèses à un échantillon (moyenne ou proportion). En ajustant la taille de l'échantillon, le niveau de signification (alpha) et l'effet attendu, il aide les chercheurs et analystes à valider la robustesse de leurs plans d'expérience avant la collecte des données, évitant ainsi les erreurs de type II.
Quand l’utiliser
- •Lors de la planification d'une étude expérimentale pour s'assurer que la taille de l'échantillon prévue est suffisante pour obtenir des résultats significatifs.
- •Pour évaluer a posteriori la probabilité qu'un test non significatif ait manqué un effet réel en raison d'un manque de puissance.
- •Lors de la comparaison de différents scénarios de test (bilatéral vs unilatéral) pour optimiser les ressources de recherche et le budget.
Comment ça marche
- •Sélectionnez le type de test souhaité : différence de moyennes ou différence de proportions.
- •Définissez l'hypothèse alternative (bilatérale, supérieure ou inférieure) et le niveau de signification (alpha, généralement 0,05).
- •Saisissez la taille de l'échantillon, les valeurs nulles et alternatives attendues, ainsi que l'écart-type si vous testez une moyenne.
- •Obtenez instantanément la puissance statistique estimée (en pourcentage) et la taille de l'effet calculée au format JSON.
Cas d’usage
Exemples
1. Évaluation d'un test de QI
Chercheur en psychologie- Contexte
- Une étude vise à prouver qu'une nouvelle méthode d'apprentissage augmente le QI moyen par rapport à la norme historique de 100.
- Problème
- Déterminer si un échantillon de 64 élèves est suffisant pour détecter une augmentation de 5 points avec un écart-type de 15.
- Comment l’utiliser
- Sélectionner 'Différence de moyennes', définir la moyenne nulle à 100, la moyenne alternative à 105, l'écart-type à 15 et la taille de l'échantillon à 64.
- Configuration d’exemple
-
{ "testType": "mean", "alternative": "two-sided", "alpha": 0.05, "sampleSize": 64, "nullMean": 100, "alternativeMean": 105, "standardDeviation": 15 } - Résultat
- L'outil calcule une puissance d'environ 76 % et une taille d'effet de 0,33, indiquant que l'échantillon pourrait être légèrement augmenté pour atteindre le standard de 80 %.
2. Planification d'un test A/B de conversion
Analyste Marketing- Contexte
- Une page de destination a un taux de conversion historique de 50 %. L'équipe espère qu'une nouvelle version atteindra 60 %.
- Problème
- Vérifier la puissance statistique d'un test unilatéral avec un échantillon limité à 100 visiteurs.
- Comment l’utiliser
- Choisir 'Différence de proportions', définir l'hypothèse alternative sur 'Supérieur à', la proportion nulle à 0.5, la proportion alternative à 0.6, et la taille de l'échantillon à 100.
- Configuration d’exemple
-
{ "testType": "proportion", "alternative": "greater", "alpha": 0.05, "sampleSize": 100, "nullProportion": 0.5, "alternativeProportion": 0.6 } - Résultat
- Le calculateur fournit la puissance statistique exacte, permettant à l'analyste de savoir si 100 visiteurs suffisent pour valider la nouvelle campagne sans risquer un faux négatif.
Tester avec des échantillons
barcodeHubs associés
FAQ
Qu'est-ce que la puissance statistique ?
C'est la probabilité qu'un test statistique rejette correctement une hypothèse nulle fausse. En d'autres termes, c'est la capacité de votre test à détecter un effet réel s'il existe.
Quelle est une bonne valeur pour la puissance statistique ?
En général, une puissance de 0,80 (ou 80 %) est considérée comme le standard acceptable dans la plupart des recherches scientifiques et analyses de données.
Comment la taille de l'échantillon affecte-t-elle la puissance ?
Plus la taille de l'échantillon est grande, plus la puissance statistique augmente, car les estimations deviennent plus précises et l'erreur standard diminue.
Puis-je calculer la puissance pour des proportions ?
Oui, l'outil propose une option 'Différence de proportions' où vous pouvez définir la proportion nulle de base et la proportion alternative attendue.
Que représente le niveau de signification (alpha) ?
C'est le seuil de tolérance pour l'erreur de type I (faux positif). Fixé par défaut à 0,05, il signifie qu'il y a un risque de 5 % de rejeter à tort l'hypothèse nulle.