Potência de um teste de hipóteses

A potência de um teste de hipóteses é a probabilidade (1 - beta ) de rejeitar a hipótese nula quando ela é falsa.

Para o calculo da potência de um teste num estudo é necessário saber:

a) Número de participantes nesse estudo
b) A magnitude de efeito que se deseja (ou a obtida)
c) O critério tomado para o valor da probabilidade de significância (exemplo. p = 0,05)

Para o calculo da potência de um teste não é necessário fazer cálculos à “mão” para isso podem fazer o download do programa GPOWER (ou do PASS) os quais são livres.

[para o programa PASS: http://www.ncss.com/pass.html) (o site do Gpower está em post anterior)

Suponha que vai realizar um estudo onde compara dois grupos entre si (factor inter participantes) usando um teste t para a comparação de duas médias em grupos independentes (com 10 participantes em cada grupo), e queremos uma magnitude de efeito (effect size) médio (ou moderado: 0,40 a 0,69).

Com um número total de 20 elementos teremos poucas hipóteses de perceber se há algum efeito. Para o efeito teríamos de ter uma amostra com 105 participantes em cada grupo (potência=0,95 e uma mag.efeito= 0,5).


Em psicologia isto nem sempre é viável!

Se temos um estudo onde encontramos um efeito, sem antes nos termos preocupado com a potência do teste, então é lógico que temos potência suficiente. Contudo o valor da potência assume maior importância num estudo onde não tenhamos encontrado efeitos, pois nunca podemos ter a certeza absoluta se, na verdade não há realmente um efeito ou se, por outro lado até existe esse efeito mas não tivemos potência suficiente para o poder determinar.


A potência de um teste é particularmente interessante, ou mesmo muito importante quando não encontramos nenhum “efeito” ou quando este é pequeno. Principalmente porque nunca sabemos se há realmente um efeito ou falhamos ao detectá-lo ou se não há qualquer efeito. Quando há efeitos pequenos será necessário calcular a potência do teste. Os psicólogos que não encontram qualquer efeito, devem dizer quantos sujeitos deveriam ter na sua amostra para ter um efeito e, se o número destes for muito grande (por exemplo: na ordem dos milhares) isto implica que se o efeito é pequeno então podemos realmente dizer que na verdade não existe qualquer efeito.

Devemos ainda acrescentar que por vezes temos significância estatística mas não há qualquer efeito. Ou ainda podemos não ter qualquer significância estatística mas termos efeito psicológico. Um aspecto não invalida o outro. Devemos sempre averiguar.

S.