Table of Contents
En algún lugar del capítulo de metodología, tu tutor espera una frase como: «Un análisis de potencia indicó que se necesitaba una muestra de 128 participantes». Si no tienes claro qué significa esa frase, o la has copiado de otras tesis esperando que nadie pregunte, esta guía es para ti.
La potencia estadística es una idea sencilla con una apariencia intimidante. Al terminar este artículo sabrás qué es, por qué casi todo el mundo usa el 80 % y cómo obtener tu propia cifra defendible con nuestra calculadora gratuita de potencia estadística, una alternativa a G*Power que funciona en el navegador.
Qué es realmente la potencia estadística
Supongamos que el efecto que estudias es real: la intervención funciona, los dos grupos son realmente diferentes o la correlación existe. La potencia estadística es la probabilidad de que tu estudio lo detecte.
Una potencia del 80 % significa que, si el efecto es real, la prueba tiene un 80 % de probabilidad de devolver un resultado significativo y un 20 % de probabilidad de no detectarlo. Esa omisión es un error de tipo II, la tragedia silenciosa de una investigación con poca potencia. El efecto existía, pero el estudio no pudo verlo.
Las dos formas en que un estudio puede equivocarse
Un falso positivo, o error de tipo I, declara real un efecto que no existe. Su probabilidad es alfa, normalmente el 5 %. Un falso negativo, o error de tipo II, no detecta un efecto real. Su probabilidad es 1 menos la potencia. Con una potencia del 80 % aceptas un riesgo del 20 % de no detectarlo.
Los cuatro factores y cómo se compensan
Un análisis de potencia tiene cuatro cantidades. Fija tres y la cuarta se deriva. Eso es todo lo que hace una calculadora de potencia.
- Tamaño del efecto: la magnitud de la diferencia o relación. Los efectos pequeños necesitan muestras grandes.
- Alfa: el umbral de significación, casi siempre 0,05.
- Potencia: la probabilidad de detección objetivo, normalmente 0,80.
- Tamaño de muestra: la cantidad que sueles querer calcular.
El tamaño del efecto es el factor que más influye. Para comparar dos grupos con la d de Cohen:
Muestra necesaria por grupo, prueba t bilateral, alfa 0,05, potencia 80 %
| Tamaño del efecto | d de Cohen | Por grupo | Total |
|---|---|---|---|
| Pequeño | 0,2 | 394 | 788 |
| Medio | 0,5 | 64 | 128 |
| Grande | 0,8 | 26 | 52 |
Lee la tabla dos veces. Detectar un efecto pequeño requiere unas seis veces la muestra de un efecto medio. Por eso las expectativas honestas sobre el efecto importan más que casi cualquier otra decisión de planificación, y por eso los estudios que solo esperan «ver qué aparece» no suelen encontrar nada.
Por qué el 80 % de potencia se convirtió en la norma
El valor del 80 % se remonta a Jacob Cohen, quien razonó que un falso positivo era aproximadamente cuatro veces peor para la ciencia que un falso negativo. Con alfa en el 5 %, aceptar un riesgo del 20 % de no detección mantiene esa proporción de 4 a 1. Fue un juicio que terminó convertido en convención, como la confianza del 95 %.
¿Conviene desviarse alguna vez? Sí. La investigación clínica y de alto riesgo suele usar un 90 % de potencia. Algunos proyectos estudiantiles exploratorios aceptan menos y lo explican. Lo que no debes hacer es recopilar 40 respuestas y después elegir la potencia que haga parecer suficiente ese número.
El análisis de potencia se hace antes del trabajo de campo
Un análisis después de recopilar datos es una descripción, no una justificación. Hazlo al planificar, informa de los valores elegidos y deja que determine el objetivo de captación. Quien revise el estudio notará la diferencia.
Cómo elegir con honestidad el tamaño del efecto
Esta parte suele bloquear porque la respuesta sincera es que debes tomar una decisión razonada. Hay tres estrategias útiles, por orden de preferencia:
- Literatura previa. Busca estudios con medidas similares y usa sus efectos publicados de forma algo más conservadora, porque los efectos publicados suelen ser optimistas.
- Menor efecto de interés. Pregunta cuál es la diferencia más pequeña que seguiría importando en la práctica y calcula la potencia para ella. Es la formulación más defendible en una tesis.
- Referencias de Cohen. Pequeño con d = 0,2, medio con d = 0,5 y grande con d = 0,8 como último recurso cuando hay poca literatura. Indica expresamente que utilizas referencias convencionales.
Un ejemplo completo que puedes adaptar
Imagina que tu tesis compara el estrés de estudiantes que usan una aplicación de atención plena con el de estudiantes que no la usan. Los estudios anteriores sugieren un efecto medio, alrededor de d = 0,5.
- Prueba: comparación bilateral de dos grupos independientes.
- Tamaño del efecto: d = 0,5, justificado con la literatura.
- Alfa: 0,05. Potencia: 0,80.
- Resultado: 64 por grupo, 128 en total respuestas completas.
Después, planifica hacia atrás desde 128. Con una tasa de respuesta realista, ¿cuántas invitaciones necesitas? Nuestra calculadora de tasa de respuesta convierte el objetivo en un plan de invitaciones. La calculadora de tamaño de muestra cubre el caso más sencillo en el que describes una población en lugar de comparar grupos. Si no sabes cuál corresponde, la fórmula del tamaño de muestra explica la diferencia.
¿Aun así falta potencia? Explícalo con transparencia
A veces un análisis honesto devuelve una cifra que no puedes alcanzar. Tienes tres opciones respetables: aumentar el efecto medible con una intervención más fuerte o instrumentos más fiables, simplificar el diseño con menos grupos o medidas repetidas, o continuar y comunicar la limitación con claridad, presentando el estudio como preliminar. Lo que no es aceptable es ignorar el análisis. Además, protege siempre la calidad. Un estudio con potencia suficiente pero lleno de bots y respuestas rápidas es peor que uno más pequeño y limpio. Empieza con controles de atención.
Preguntas frecuentes
¿Qué significa una potencia estadística del 80 %?
Si el efecto estudiado es real, un estudio con una potencia del 80 % tiene un 80 % de probabilidad de detectarlo como estadísticamente significativo y un 20 % de no hacerlo. Esa omisión es un error de tipo II.
¿Qué diferencia hay entre un análisis de potencia y un cálculo de muestra?
Los cálculos de muestra basados en el margen de error describen una población, por ejemplo qué porcentaje de estudiantes piensa algo. El análisis de potencia planifica la detección de efectos o diferencias, por ejemplo si los grupos A y B difieren. Las comparaciones y pruebas de hipótesis necesitan potencia.
¿G*Power es la única forma de hacer un análisis de potencia?
No. G*Power es un programa de escritorio gratuito y una buena opción. Para casos habituales como pruebas t, correlaciones y comparación de dos proporciones, una calculadora de potencia en el navegador da las mismas cifras con más rapidez.
¿Puedo hacer el análisis después de recopilar los datos?
El análisis de potencia posterior se desaconseja ampliamente. Hazlo antes del trabajo de campo para establecer el objetivo. Después, comunica intervalos de confianza.
Todas las calculadoras mencionadas están en la colección de herramientas gratuitas de investigación.