O que é isso?
O nFlow é uma ferramenta simplificada para ajudar você a descobrir qual o
Tamanho da Amostra necessário para a sua pesquisa. Ou seja, ele responde à
pergunta: "Quantas pessoas (ou plantas, ratos, transações) eu preciso testar para ter certeza
que meu resultado é válido?".
1. Famílias de Testes
Os testes são divididos em "famílias" dependendo do tipo de cálculo matemático que eles usam por
trás:
- Testes t: Usados para comparar médias de até dois grupos (ex: verificar se a
dieta A emagrece mais que a dieta B).
- Testes F: Usados para comparar médias de três ou mais grupos ao mesmo tempo
(ANOVA) ou para analisar como várias variáveis afetam um resultado (Regressões).
- Testes z (Proporções e Regressões): Usados quando sua pesquisa envolve dados de
proporções, "sim ou não", contagens ou regressões complexas (Logística, Poisson).
- Testes Exatos: Usados para análises estatísticas exatas (ex: Correlação
bivariada precisa).
2. Tipos de Análise de Poder
Nesta versão, focamos na análise mais comum:
- A priori: Você diz ao programa que tamanho de efeito espera encontrar e qual a
sua margem de erro aceitável, e ele te diz o tamanho da amostra (N) que você precisa coletar
antes de começar a pesquisa.
3. O que são esses Parâmetros de Entrada?
- Cauda(s) [Tails]: Use "Duas" se a sua hipótese diz que um grupo pode ser
tanto maior quanto menor que o outro. Use "Uma" se você tem certeza absoluta (ou só se
importa) se ele será apenas maior, ou apenas menor. Na dúvida, use sempre "Duas".
- Tamanho do Efeito (Effect Size): É a "força" do fenômeno que você está
estudando. Um efeito grande (ex: 0.8) significa que a diferença entre os grupos é muito óbvia,
logo você precisará de pouca gente para notar. Um efeito pequeno (ex: 0.2) exige muita gente
para conseguir provar que ele existe.
- Probabilidade de Erro Tipo 1 (α): É o seu nível de significância (famoso
valor-p limite). É a chance de você dizer que encontrou um resultado, quando na verdade foi só
coincidência. O padrão mundial é
0.05 (5% de chance de alarme falso).
- Poder (1-β): É a sua chance de sucesso! Se houver realmente um efeito
verdadeiro lá fora, qual a chance da sua pesquisa conseguir detectá-lo? O padrão recomendado é
0.80 (80%) ou 0.95 (95%).
- Razão de Alocação (Allocation ratio): Se você vai ter o mesmo número
de pessoas no Grupo 1 e no Grupo 2, coloque
1. Se o Grupo 2 vai ter o dobro de
pessoas, coloque 2.
4. Parâmetros Específicos (Regressões Logística, Poisson e Cox)
Se você estiver usando cálculos avançados de regressão na família Exatos/Proporções, verá estes
campos extras:
- Razão de chances (Odds Ratio): Na Regressão Logística, é o quanto a
chance do evento acontecer multiplica quando a sua variável sobe 1 ponto (ex: 1.5 significa 50%
mais chances).
- Probabilidade Basal (Pr(Y=1|X=0)): Qual a probabilidade do evento
ocorrer naturalmente, sem que a sua variável de interesse interfira?
- R² outros X: Se você está usando várias outras variáveis de controle misturadas
no modelo, qual a porcentagem da explicação que elas já roubam? Coloque
0 se for
apenas um preditor simples.
- Variância de X: É a distribuição da sua variável preditora. Em Logística, se
sua variável for Sim/Não (Binária), a variação costuma ser
0.25. Se for uma curva
contínua normal, use 1.0.
- Exp(β1) [Razão de Taxas]: Na Regressão de Poisson, indica o quanto a taxa de
contagem (ex: número de acidentes) é multiplicada por cada aumento da variável.
- Taxa base Exp(β0): A contagem básica esperada do evento para um cenário onde a
variável de interesse é igual a zero.
- Exposição média: Em estudos de contagem (Poisson), as unidades podem ter
"tempos de exposição" diferentes (ex: acompanhou o paciente por 1 ano ou 2 anos?). Insira o
valor médio de exposição aqui.