Poder e tamanho amostral para Z de 1 amostra
Planeja um teste Z de 1 amostra para uma média quando o desvio padrão é conhecido, por exemplo, a partir de um longo e estável histórico de carta de controle. Informe quaisquer dois entre tamanho amostral, diferença e poder, mais o desvio padrão conhecido, e a ferramenta calcula o terceiro com fórmulas normais de forma fechada. A saída traz uma tabela de resultados com o poder real e uma curva de poder. Se o desvio padrão for estimado, use o 1-Sample t.
Última revisão
Conclusão principal
O Power and Sample Size for 1-Sample Z planeja um teste de uma média contra um alvo quando o desvio padrão do processo é conhecido, calculando o tamanho amostral, o poder ou a menor diferença detectável.
Nesta página
Finalidade
O Power and Sample Size for 1-Sample Z planeja um teste de uma média contra um alvo quando o desvio padrão do processo é conhecido, por exemplo, a partir de um longo e estável histórico de carta de controle. Responde quantas medições são necessárias para detectar um deslocamento relevante, que poder uma amostra planejada oferece ou qual é o menor deslocamento que uma dada amostra consegue detectar. Informe quaisquer dois entre tamanho amostral, diferença e poder, e a ferramenta calcula o terceiro. Use-o antes de um teste Z de 1 amostra; se o desvio padrão for estimado a partir da amostra, use o Power and Sample Size for 1-Sample t.
Principais recursos
- Calcula o tamanho amostral, o poder ou a diferença: deixe em branco o que você quer obter.
- Vários valores de uma vez, ex.: tamanhos amostrais “10 20 30”, geram uma linha para cada combinação.
- Hipóteses alternativas bilaterais (Mean ≠ hypothesized mean) ou unilaterais (Mean < hypothesized mean, Mean > hypothesized mean), no nível de confiança que você escolher.
- Cálculo normal de forma fechada, portanto os resultados são exatos para um desvio padrão conhecido.
- Curva de poder em função do tamanho amostral para cada diferença, com os pontos calculados marcados.
Métodos estatísticos
A estatística de teste é Z = (x̄ − μ₀) / (σ/√n), com σ tratado como conhecido, de modo que o cálculo usa a distribuição normal padrão em todas as etapas. O nível de significância é α = 1 − nível de confiança / 100, a diferença padronizada é d = diferença / σ (sendo a diferença a média verdadeira menos μ₀), e z é z₁₋α/₂ para a hipótese alternativa bilateral ou z₁₋α para uma unilateral.
Para um teste bilateral, poder = Φ(|d|·√n − z) + Φ(−|d|·√n − z); para Mean > hypothesized mean, poder = Φ(d·√n − z), e para Mean < hypothesized mean, poder = Φ(−d·√n − z); assim, um teste unilateral tem poder próximo de 0 para uma diferença no lado errado. O tamanho amostral para um poder-alvo é n = ((z + z_β) / d)², em que z_β é o quantil normal do poder-alvo; n é arredondado para cima e o poder nesse número inteiro é informado como poder real. A menor diferença detectável para um dado n e poder é σ·(z + z_β)/√n, informada como uma diferença negativa para a hipótese alternativa “menor que”.
Como σ não é estimado, o cálculo Z dá um poder ligeiramente maior que o cálculo t com o mesmo tamanho amostral, de forma mais notável em amostras pequenas. Use-o somente quando o desvio padrão realmente for conhecido e estável. Com uma hipótese alternativa unilateral, calcular o tamanho amostral a partir de uma diferença no lado errado retorna uma mensagem de erro.
Campos de entrada e opções
Campo | Descrição |
Sample sizes | Separados por espaço ou vírgula, ex.: “10 20 30”. Deixe em branco para calcular o tamanho amostral. |
Differences | Separadas por espaço ou vírgula, ex.: “1 2 3”. A diferença em relação à média hipotética que você quer detectar. Deixe em branco para calcular a diferença. |
Power values | Separados por espaço ou vírgula, ex.: “0.8 0.9”. Deixe em branco para calcular o poder. |
Known standard deviation | Obrigatório. O desvio padrão populacional, assumido como conhecido (não estimado a partir da amostra). |
Confidence level | Padrão 95 (α = 0.05); de 75 a 100. |
Alternative hypothesis | Mean ≠ hypothesized mean (padrão), Mean < hypothesized mean ou Mean > hypothesized mean. |
Power curve | Marcada por padrão: traça o poder em função do tamanho amostral. |
Title | Título exibido na saída e na curva de poder. |

Figura 1 — Cálculo do poder: Sample sizes = 10 20 30, Differences = 1.5, Known standard deviation = 2.5, bilateral com 95% de confiança.
Descrição da saída
- Settings — o que foi calculado, o desvio padrão conhecido, o nível de confiança e a hipótese alternativa.
- Results — uma linha por combinação: diferença, tamanho amostral e poder ao calcular o poder, poder-alvo e poder real ao calcular o tamanho amostral, ou diferença ao calcular a diferença.
- Power Curve — poder em função do tamanho amostral para cada diferença, com os pontos calculados marcados.
- Exportação em PDF por meio de Download.

Figura 2 — Resultados do exemplo: poder de 0.475, 0.765 e 0.908 para 10, 20 e 30 pacotes com um deslocamento de 1.5 g.
Exemplo prático
Um empacotador de alimentos audita o peso médio de pacotes de 250 g. Anos de dados estáveis de carta de controle situam o desvio padrão em 2.5 g, que é então tratado como conhecido. Um deslocamento de 1.5 g em qualquer direção seria relevante, e a equipe de auditoria quer comparar amostras de 10, 20 e 30 pacotes. Ela informa Sample sizes = 10 20 30, Differences = 1.5 e Known standard deviation = 2.5, deixa Power values em branco e mantém a hipótese alternativa bilateral com 95% de confiança.
O poder é 0.475 com 10 pacotes, 0.765 com 20 e 0.908 com 30. Uma auditoria de 10 pacotes deixaria passar um deslocamento real de 1.5 g em mais da metade das vezes, então a equipe passa para 30 pacotes; calcular o tamanho amostral com Power values = 0.9 confirma que 30 pacotes é o mínimo para 90% de poder. Com 20 pacotes e 80% de poder, o menor deslocamento detectável é 1.57 g. Se o desvio padrão tivesse sido estimado a partir de cada amostra (o cálculo do 1-Sample t), os poderes seriam menores: 0.396, 0.721 e 0.888.
Perguntas frequentes
Quando usar o cálculo de poder Z de 1 amostra em vez do t de 1 amostra?
Use o cálculo Z somente quando o desvio padrão do processo realmente for conhecido e estável, por exemplo, a partir de anos de dados de carta de controle. Se o desvio padrão for estimado a partir da amostra, use o Power and Sample Size for 1-Sample t. Como o desvio padrão não é estimado, o Z dá um poder ligeiramente maior que o t com o mesmo tamanho amostral, de forma mais notável em amostras pequenas.
Qual é a fórmula do tamanho amostral para um teste Z de 1 amostra?
O tamanho amostral para um poder-alvo é n = ((z + z_beta) / d) ao quadrado, em que d é a diferença dividida pelo desvio padrão conhecido, z é o valor crítico da hipótese alternativa escolhida e z_beta é o quantil normal do poder-alvo. O resultado é arredondado para cima e o poder nesse número inteiro é informado como poder real.
Como encontrar a menor diferença detectável?
Para um dado tamanho amostral e poder, a menor diferença detectável é o desvio padrão vezes (z + z_beta) dividido pela raiz quadrada de n. Ela é informada como uma diferença negativa para a hipótese alternativa “menor que”. Em um exemplo prático com desvio padrão conhecido de 2.5 g, 20 pacotes com 80% de poder conseguem detectar um deslocamento de 1.57 g.
Como o tamanho amostral altera o poder de um teste Z de 1 amostra?
O poder aumenta com o tamanho amostral. Em um exemplo prático com desvio padrão conhecido de 2.5 g e um deslocamento de 1.5 g, bilateral com 95% de confiança, o poder é 0.475 com 10 pacotes, 0.765 com 20 e 0.908 com 30. Estimar o desvio padrão, como no cálculo do 1-Sample t, daria poderes menores: 0.396, 0.721 e 0.888.
