vol.io
Iniciar sesiónEmpieza gratis

Calculadora de análisis de potencia: ANOVA de un factor

Planifica el tamaño muestral de un ANOVA de un factor tal como lo hace G*Power — en el navegador. Introduce el número de grupos, el tamaño del efecto esperado f de Cohen, tu alfa y la potencia objetivo, y obtén el tamaño muestral necesario por grupo calculado con la distribución F no central exacta (parámetros idénticos al módulo 'ANOVA: fixed effects, omnibus' de G*Power y a pwr.anova.test de R). Cambia a 'hallar potencia' para comprobar qué puede detectar una muestra ya recogida. Si solo tienes un eta cuadrado (η²) de la literatura, conviértelo primero a f con nuestro Conversor de tamaños del efecto: f = √(η²/(1 − η²)) — por ejemplo, η² = 0,06 da f = 0,25, el efecto 'mediano' convencional.

Informe con IA

Deja que la IA interprete tus resultados: un documento Word descargable en formato APA 7 / informe de negocio.

Generar informe con IA (5 créditos)Crear una cuenta es gratis e incluye créditos mensuales gratuitos.

Preguntas frecuentes

¿Cuántos participantes necesito para un ANOVA de un factor?

Para tres grupos, un efecto mediano (f = 0,25), α = .05 y una potencia del 80 %, necesitas 53 participantes por grupo (159 en total). Más grupos o efectos más pequeños aumentan el requisito; la calculadora da el número exacto para tu diseño.

¿Cómo convierto eta cuadrado a la f de Cohen?

f = √(η² / (1 − η²)). Así, η² = 0,01 → f ≈ 0,10 (pequeño), η² = 0,06 → f ≈ 0,25 (mediano), η² = 0,14 → f ≈ 0,40 (grande). Nuestra herramienta Conversor de tamaños del efecto lo hace automáticamente, incluida la dirección inversa.

¿Cómo informo un análisis de potencia de ANOVA en formato APA?

Por ejemplo: "Un análisis de potencia a priori (ANOVA de un factor, tres grupos, f = 0.25, α = .05, potencia = .80) indicó un tamaño muestral necesario de 53 por grupo (N = 159)". El Informe IA redacta por ti este párrafo de la sección de método.

¿Sirve para ANOVA de medidas repetidas o factorial?

Este módulo cubre el diseño entre sujetos de un factor (ómnibus). Los diseños de medidas repetidas y factoriales requieren parámetros adicionales (correlación entre medidas, número de mediciones); esos módulos están en nuestra hoja de ruta.