toolbox
Inicio / IA, datos y tecnología / Calculadora de potencia estadística para adopción de paneles

Calculadora de potencia estadística para adopción de paneles

Esta calculadora estima la potencia estadística para detectar un cambio en la tasa de adopción de un dashboard entre dos grupos independientes del mismo tamaño. Puede utilizarse al planificar un experimento de onboarding, una nueva ubicación del panel, una campaña interna o cualquier intervención en la que el resultado se mida como usuario adoptante frente a no adoptante.

Introduce la adopción base, el incremento mínimo que consideras relevante, el número de usuarios por grupo y el alfa bilateral. La herramienta aproxima la probabilidad de obtener significación estadística si la tasa alternativa realmente aumenta en esa magnitud. El cálculo es útil para explorar sensibilidad antes de lanzar una prueba, pero presupone asignación o muestreo independiente y no contempla contaminación entre grupos, exposición desigual, análisis secuencial ni correcciones por múltiples métricas.

Escenario de adopción

%
pp
Resultado
—
Potencia aproximada para detectar el incremento
Adopción alternativa—
Señal estandarizada—
Usuarios totales—
Alfa bilateral—

1. Fija la adopción de referencia

Introduce la proporción esperada en el grupo de control usando la misma definición de adopción que tendrá el experimento.

2. Define el incremento relevante

Indica en puntos porcentuales el cambio mínimo que justificaría detectar.

3. Introduce usuarios por grupo

Usa el tamaño final esperado en control y variante, suponiendo grupos iguales.

4. Selecciona alfa

Elige el umbral de significación bilateral.

5. Evalúa la sensibilidad

Observa cómo cambia la potencia al modificar muestra o incremento mínimo antes de cerrar el diseño.

p₂ = p₁ + Δ SE = √([p₁(1−p₁) + p₂(1−p₂)] / n) z_efecto = Δ / SE Potencia ≈ Φ(z_efecto−zα/2) + Φ(−z_efecto−zα/2)

p₁ es la adopción base, p₂ la alternativa, Δ el incremento y n los usuarios por grupo.

Qué significa el resultado

La potencia representa la probabilidad aproximada de detectar como significativa la mejora especificada si esa diferencia existe realmente y se cumplen los supuestos del modelo.

Una potencia elevada no garantiza un resultado positivo: el efecto real podría ser menor o inexistente. Tampoco corrige problemas de asignación, medición o definición de adopción.

Datos: adopción base del 25 %, incremento mínimo de 4 puntos, 1.000 usuarios por grupo y alfa 0,05 bilateral.

Cálculo: p₂ = 29 %. SE ≈ √[(0,25×0,75 + 0,29×0,71)/1.000] ≈ 0,01983. z_efecto ≈ 2,02. Con z crítico 1,96, la potencia aproximada es algo superior al 52 %.

Resultado: potencia aproximada del 52 %.

Interpretación: el diseño tendría una probabilidad moderada, no alta, de detectar un aumento real de cuatro puntos.

¿Debo introducir un aumento relativo o puntos porcentuales?

Puntos porcentuales. Pasar de 25 % a 29 % son 4 puntos porcentuales, aunque el aumento relativo sea del 16 %.

¿Qué ocurre si tengo grupos de distinto tamaño?

Esta versión supone tamaños iguales. Para asignaciones 70/30 u otras proporciones conviene usar una fórmula que incorpore ambos tamaños por separado.

¿Puedo usar una prueba unilateral?

La calculadora usa un umbral bilateral. Una prueba unilateral cambia el valor crítico y solo debe elegirse cuando la dirección se establece de antemano y el diseño lo justifica.

¿Más usuarios siempre aumentan la potencia?

Sí bajo este modelo y manteniendo el resto constante, porque reduce el error estándar. Sin embargo, problemas de medición o contaminación no se arreglan solo con tamaño.

¿Qué relación tiene con el estimador de tamaño de muestra de adopción?

El estimador de muestra para una proporción busca precisión al medir una tasa. Esta calculadora evalúa sensibilidad para detectar una diferencia entre dos grupos.