Le calculateur de taille d’échantillon cible est un outil puissant utilisé pour déterminer la taille d’échantillon nécessaire à votre recherche ou expérience. Il vous aide à trouver un équilibre entre la collecte de suffisamment de données pour tirer des conclusions statistiquement significatives et la minimisation des conséquences. fois, les efforts et les ressources nécessaires. Avec la bonne taille d'échantillon, vous pouvez en toute confiance tirer des enseignements de vos données, que vous compariez deux groupes, testiez l'efficacité d'un nouveau produit ou meniez des recherches scientifiques.
Formule du calculateur de taille d'échantillon cible
La formule pour calculer la taille d'échantillon requise (n) à l'aide du calculateur de taille d'échantillon cible est la suivante :
n = (2 * σ² * (Zα + Zβ)²) / Δ²
Où :
- n est la taille d’échantillon requise pour chaque groupe (A et B).
- σ est l'écart type estimé de la métrique que vous mesurez.
- Za est la valeur critique de la distribution normale standard correspondant au niveau de signification choisi (α).
- Zβ est la valeur critique de la distribution normale standard correspondant à la puissance souhaitée (1 - β).
- Δ est la taille minimale de l'effet détectable, qui correspond à la plus petite différence dans la métrique que vous souhaitez pouvoir détecter comme statistiquement significative.
Passons en revue un exemple de la façon de calculer la taille de l'échantillon pour un échantillon à deux Test A / B en utilisant la formule fournie.
Exemple de calculateur de taille d'échantillon cible
Imaginez que vous exécutez un test A/B pour déterminer si changer la couleur d'un bouton « Acheter maintenant » sur votre site de commerce électronique entraînera un taux de conversion plus élevé. Vous souhaitez tester si la nouvelle couleur (version B) surpasse la couleur actuelle (version A). Voici les détails du calcul :
- Écart type estimé (σ) : vous estimez l’écart type du taux de conversion à 0.1.
- Niveau de signification (α) : Vous choisissez un niveau de confiance de 95 %, donc α = 0.05.
- Puissance (1 - β) : Vous voulez une puissance de 0.80, donc β = 0.20.
- Taille minimale de l'effet détectable (Δ) : vous souhaitez pouvoir détecter une augmentation relative de 5 % du taux de conversion comme étant statistiquement significative.
Maintenant, insérons ces valeurs dans la formule :
n = (2 * (0.1)² * (Zα + Zβ)²) / (0.05)²
Zα pour un niveau de confiance de 95 % (α = 0.05) est d'environ 1.96, et Zβ pour une puissance de 0.80 (β = 0.20) est d'environ 0.84.
n = (2 * (0.01) * (1.96 + 0.84)²) / (0.0025)
Maintenant, calculez les valeurs dans le parenthèses:
n = (2 * 0.01 * (2.80)²) / 0.0025 n = (0.02 * 7.84) / 0.0025 n ≈ 15.68 / 0.0025 n ≈ 6272
Ainsi, vous auriez besoin d'un échantillon d'environ 6272 95 utilisateurs dans chaque groupe (A et B) pour exécuter votre test A/B avec un niveau de confiance de 0.80 %, une puissance de 5 et la capacité de détecter une augmentation relative de XNUMX % de taux de conversion comme statistiquement significatif.
Tableau des tailles d'échantillon
Pour vous faciliter la vie, voici un tableau des tailles d'échantillon couramment utilisées pour différents niveaux de confiance et valeurs de puissance :
| Niveau de confiance (α) | Puissance (1 - β) | Taille de l'échantillon requise (n) |
|---|---|---|
| 90% | 0.10 | |
| 90% | 0.20 | |
| 95% | 0.10 | |
| 95% | 0.20 | |
| 99% | 0.10 | |
| 99% | 0.20 |
Branchez simplement vos valeurs pour σ et Δ pour estimer la taille d'échantillon requise pour votre scénario spécifique.
FAQ les plus courantes
A1: Le niveau de signification (α) représente la probabilité de commettre une erreur de type I, c'est-à-dire la probabilité de conclure à tort qu'il existe un effet significatif alors qu'il n'y en a pas. Les valeurs courantes pour α sont 0.05 (5 %) et 0.01 (1 %).
A2: La puissance (1 - β) est la probabilité de détecter correctement un effet significatif lorsqu'il existe réellement. Il quantifie la capacité de votre étude à trouver un résultat significatif. Des valeurs de puissance plus élevées (par exemple 0.80) sont généralement souhaitables.
A3: Vous pouvez estimer σ sur la base de données antérieures ou de recherches dans votre domaine. Si vous ne disposez pas de données historiques, vous devrez peut-être mener une étude pilote pour estimer σ.