MDE mínimo detectável
- Criado por
- Renato Passos, Eng. de Software
- Revisado por
- Renato Passos, Eng. de Software
Última atualização: 18 de abr. de 2026
Sobre esta calculadora
A calculadora de MDE mínimo detectável ajuda a determinar o menor efeito estatisticamente significativo que um estudo pode identificar, dado um tamanho de amostra, nível de significância (α) e potência estatística (1-β). É essencial em experimentos como A/B testing ou ensaios clínicos para garantir que os resultados sejam confiáveis. A fórmula utilizada é σ·(z_α + z_β)/√n, onde σ é o desvio padrão da amostra.
O cálculo combina os valores críticos z_α (nível de significância) e z_β (potência) com o desvio padrão e a raiz quadrada do tamanho de amostra. Um MDE menor indica maior sensibilidade do estudo, enquanto um MDE maior sugere que o experimento pode não detectar efeitos pequenos. Ajustar α, β ou n impacta diretamente o resultado.
Use essa ferramenta antes de iniciar um experimento para dimensionar a amostra necessária ou validar a hipótese de efeito mínimo relevante. É crucial para evitar conclusões falsas negativas (β) ou falsas positivas (α). Atenção: valores teóricos podem variar em contextos reais devido a fatores como variabilidade não contabilizada ou vieses de amostragem.
Perguntas frequentes
Como escolher os valores de α e β?
Use α = 0,05 para testes padrão e β = 0,2 (potência 80%) como referência. Valores mais rigorosos (ex: α = 0,01, β = 0,1) aumentam a segurança, mas exigem amostras maiores.
O que acontece se o MDE calculado for muito alto?
Um MDE elevado indica que o estudo pode não detectar efeitos pequenos. Reduza o MDE aumentando o tamanho da amostra ou aceitando um risco maior de erro β.
A calculadora funciona para testes unilaterais?
Sim, mas os valores de z_α e z_β devem ser ajustados conforme a hipótese alternativa (ex: unilateral direcional). Testes bilaterais usam z_α/2.
Preciso do desvio padrão exato da população?
Nas etapas de planejamento, use estimativas baseadas em dados históricos ou estudos preliminares. Em análises posteriores, utilize o desvio padrão observado na amostra.