La energía de una prueba estadística es la probabilidad que la prueba rechazará una hipótesis nula falso (que no hará un tipo error de II). Como la energía aumenta, las ocasiones de un tipo disminución del error de II. La probabilidad de un tipo error de II se refiere como la tarifa (β) de la negativa falsa. Por lo tanto la energía es igual a 1  −   β.

El análisis de la energía puede o estar antes (de a priori) o después (el poste hoc del ) de datos se recoge. El análisis a priori de la energía se conduce antes de conducir de la investigación y se utiliza típicamente para determinar un tamaño de muestra apropiado para alcanzar energía adecuada. se conduce el análisis Poste-hoc de la energía después de que un estudio se haya conducido y utilice el tamaño de muestra obtenido y el tamaño del efecto para determinar cuál era la energía en el estudio si se asume que el tamaño del efecto en el tamaño de muestra es igual al tamaño del efecto de la población.

Las pruebas estadísticas intentan utilizar datos de las muestras para determinar si las diferencias o las semejanzas existen en una población . Por ejemplo, para probar la hipótesis nula que no diferencian las cuentas del medio de hombres y de mujeres en una prueba, dibujan las muestras de hombres y a las mujeres, la prueba se administra a ellos, y la cuenta mala de un grupo se compara a la del otro grupo usar una prueba estadística. La energía de la prueba es la probabilidad que la prueba encontrará una diferencia estadístico significativa entre los hombres y las mujeres, en función del tamaño de la diferencia verdadera entre esas dos poblaciones. A pesar de el uso de las muestras escogidas al azar, que tenderán a reflejar a la población debido a las características matemáticas tales como el teorema de límite central, hay siempre una ocasión que las muestras aparecerán apoyar o refutar una hipótesis probada cuando la realidad es el contrario. Se cuantifica este riesgo como la energía de la prueba y como el nivel estadístico de la significación usado para la prueba.

La energía estadística depende encendido:
el criterio estadístico de la significación usado en la prueba
el tamaño de la diferencia o la fuerza de la semejanza (es decir, el tamaño del efecto) en la población
la sensibilidad de los datos.

Un criterio de la significación es una declaración de cómo es inverosímil un resultado debe deber, si la hipótesis nula es verdad, ser considerada significativo. Los criterios más de uso general son probabilidades de 0.05 (el 5%, 1 en 20), 0.01 (el 1%, 1 en 100), y 0.05, la probabilidad de la diferencia debe ser menos de 0.05, y así sucesivamente. Una forma para aumentar la energía de una prueba es aumentar (es decir, debilitarse) el nivel de significación. Esto aumenta la ocasión de obtener un resultado estadístico significativo (que rechaza la hipótesis nula) cuando la hipótesis nula es falsa, es decir, reduce el riesgo de un tipo error de II. Pero también aumenta el riesgo de obtener un resultado estadístico significativo cuando la hipótesis nula es de hecho verdad; es decir, aumenta el riesgo de un tipo error de I.

El cálculo de la energía requiere primero especificar el tamaño del efecto que usted quiere detectar. Cuanto mayor es el tamaño del efecto, mayor es la energía.

La sensibilidad puede ser aumentada usando los controles estadísticos aumentando la confiabilidad de medidas (como en la confiabilidad psicométrica ), y aumentando el tamaño de la muestra. El tamaño de muestra cada vez mayor es el método más de uso general para aumentar energía estadística.

Aunque no haya estándares formales para la energía, la mayoría de los investigadores que determinan la energía de sus pruebas utilizan 0.80 como estándar para la suficiencia.

Una idea falsa común por ésas nuevas a la energía estadística es que la energía es una característica de un estudio o de un experimento. En realidad cualquier resultado estadístico que tenga un p-valor tiene una energía asociada. Por ejemplo, en el contexto de una sola regresión múltiple, habrá un diverso nivel de energía estadística asociado al r-cuadrado total y para cada uno de los coeficientes de regresión. Al determinar un tamaño de muestra apropiado para un estudio previsto, es importante considerar que la energía variará a través de las diversas hipótesis.

Hay las épocas en que las recomendaciones del análisis de la energía con respecto a tamaño de muestra serán inadecuadas. El análisis de la energía es apropiado cuando la preocupación está con la aceptación o el rechazamiento correcta de una hipótesis nula. En muchos contextos, la edición es menos sobre la determinación de si hay o no es una diferencia pero algo con conseguir una estimación refinada del tamaño del efecto de la población. Por ejemplo, si contábamos con una correlación de la población entre la inteligencia y el funcionamiento de trabajo de alrededor .50, un tamaño de muestra de 20 nos dará la energía del aproximadamente 80% (alfa = . Sin embargo, en hacer este estudio consistimos probablemente más interesados en saber si la correlación es . En este contexto necesitaríamos un tamaño de muestra mucho más grande para reducir el intervalo de confianza de nuestra estimación a una gama que es aceptable para nuestros propósitos. Éstos y otras consideraciones dan lugar a menudo a la recomendación que cuando viene al tamaño de muestra, " ¡Más es mejor! "

Las agencias de la financiación, los tableros de los éticas y los paneles de revisión de la investigación piden con frecuencia que un investigador realice un análisis de la energía. La discusión es que si un estudio se acciona inadecuado, no hay punto en la realización de la investigación.

Ver también

.