Calcule quantos usuários você precisa por grupo para detectar, com confiança estatística, o efeito mínimo que importa para o seu negócio.
Conceito · Tamanho da amostra
Técnico: quantidade de observações usada no estudo, determinada em conjunto com efeito esperado, variabilidade, significância e poder.
Em linguagem simples: não é simplesmente "quanto maior, melhor". Uma amostra grande e mal selecionada continua podendo ser enviesada.
Taxa de conversão atual, antes de qualquer mudança.
Relativo ao baseline. Ex: baseline 5% + MDE 10% = nova taxa 5,5%.
Dados demonstrativos: os valores pré-preenchidos são apenas ilustrativos, escolhidos para fins didáticos — não representam nenhuma empresa ou campanha real.
—
Tamanho total da amostra
—
Controle / Tratamento
Preencha os parâmetros e clique em "Calcular amostra".
—
Método: teste de duas proporções (two-proportion z-test), com fórmula para alocação possivelmente desigual entre grupos (Fleiss, Levin & Paik).
Fórmula: n₁ = [zα·√((k+1)·p̄·q̄) + zβ·√(k·p₁(1−p₁) + p₂(1−p₂))]² / (k·(p₂−p₁)²), onde k é a razão de alocação tratamento/controle e p̄ a proporção combinada.
Premissas: unidades de análise independentes entre si (sem contaminação entre grupos), variável de resultado binária (conversão sim/não), amostragem aleatória.
Limitações: esta é uma calculadora de referência baseada em fórmula fechada (closed-form) — não substitui simulação de poder (ex: bootstrap) em cenários com métricas não-binárias, dados correlacionados (ex: múltiplas sessões por usuário) ou parada antecipada (early stopping). Pequenas diferenças em relação a outras calculadoras públicas podem ocorrer por escolhas diferentes de variância assumida sob a hipótese nula.
Referência conceitual: Fleiss JL, Levin B, Paik MC. Statistical Methods for Rates and Proportions, 3rd ed.
Quer ver como o poder muda conforme a amostra aumenta, em tempo real?
Abrir o Experimentation Lab →