Poder e tamanho amostral para 2 variâncias
Planeja um teste de 2 variâncias que compara a dispersão de dois grupos, como duas máquinas ou dois instrumentos de medição. Informe quaisquer dois entre tamanho amostral por grupo, razão entre desvios padrão e poder, e a ferramenta calcula o terceiro com um cálculo exato da distribuição F e grupos de mesmo tamanho. Pressupõe dados normais e é sensível à não normalidade. A saída traz uma tabela de resultados com o poder real e uma curva de poder.
Última revisão
Conclusão principal
O Power and Sample Size for 2 Variances planeja um teste F que compara a dispersão de dois grupos independentes, calculando o tamanho amostral por grupo, o poder ou a razão detectável entre desvios padrão.
Nesta página
Finalidade
O Power and Sample Size for 2 Variances planeja uma comparação da dispersão de dois grupos independentes, por exemplo, a repetibilidade de duas máquinas, de dois instrumentos de medição ou de dois fornecedores. A diferença de dispersão é informada como a razão dos dois desvios padrão (σ₁/σ₂), de modo que você não precisa informar os próprios desvios padrão. Informe quaisquer dois entre tamanho amostral, razão e poder, e a ferramenta calcula o terceiro: quantas unidades cada grupo precisa, que poder uma amostra planejada oferece ou qual é a menor razão que uma dada amostra consegue detectar. Use-o antes de um teste de 2 variâncias.
Principais recursos
- Calcula o tamanho amostral, o poder ou a razão: deixe em branco o que você quer obter.
- Vários valores de uma vez, ex.: razões “1.5 2” e valores de poder “0.8 0.9”, geram uma linha para cada combinação.
- Hipóteses alternativas bilaterais ou unilaterais, no nível de confiança que você escolher.
- Cálculo exato da distribuição F, com tamanhos amostrais iguais nos dois grupos.
- Curva de poder em função do tamanho amostral para cada razão, com os pontos calculados marcados.
Métodos estatísticos
O teste por trás do cálculo é o teste F para duas variâncias: com n unidades em cada grupo, provenientes de populações normais, F = S₁²/S₂² segue uma distribuição F com (n − 1, n − 1) graus de liberdade quando os desvios padrão são iguais. Se a razão verdadeira é r = σ₁/σ₂, F é r² vezes uma variável desse tipo. O nível de significância é α = 1 − nível de confiança / 100.
Para a hipótese alternativa “maior que” (σ₁ > σ₂), poder = P(F > f₁₋α / r²); para “menor que”, poder = P(F < f_α / r²); no teste bilateral, as duas caudas contam, usando f_α/2 e f₁₋α/2, os quantis de F com (n − 1, n − 1) graus de liberdade. O tamanho amostral para um poder-alvo é encontrado numericamente e arredondado para cima, e o poder nesse número inteiro é informado como poder real. Ao calcular a razão, a ferramenta busca abaixo de 1 para a hipótese alternativa “menor que” e acima de 1 nos demais casos.
Como os grupos têm o mesmo tamanho, uma razão r e uma razão 1/r dão o mesmo resultado bilateral (1.5 e 0.667 exigem ambas 50 por grupo para 80% de poder). O teste F pressupõe dados normais e é sensível a desvios da normalidade.
Campos de entrada e opções
Campo | Descrição |
Sample sizes | Por grupo. Separados por espaço ou vírgula, ex.: “10 20 30”. Deixe em branco para calcular o tamanho amostral. |
Ratio(s) | Separadas por espaço ou vírgula, ex.: “1.5 2”. Razão entre os dois desvios padrão verdadeiros (σ₁/σ₂) que você quer detectar. Deixe em branco para calculá-la. |
Power values | Separados por espaço ou vírgula, ex.: “0.8 0.9”. Deixe em branco para calcular o poder. |
Confidence level | Padrão 95 (α = 0.05); de 75 a 100. |
Alternative hypothesis | σ1/σ2 ≠ 1 (padrão), σ1/σ2 < 1 (σ₁ < σ₂) ou σ1/σ2 > 1 (σ₁ > σ₂). |
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 tamanho amostral: Ratio(s) = 1.5 2, Power values = 0.8, bilateral com 95% de confiança.
Descrição da saída
- Settings — o que foi calculado, o nível de confiança e a hipótese alternativa.
- Results — uma linha por combinação: razão, tamanho amostral por grupo e poder-alvo e poder real ao calcular o tamanho amostral, ou poder ao calcular o poder, ou razão ao calcular a razão.
- Power Curve — poder em função do tamanho amostral para cada razão, com os pontos calculados marcados.
- Exportação em PDF por meio de Download.

Figura 2 — Resultados do exemplo: 50 peças por máquina para detectar uma razão de 1.5 e 19 por máquina para uma razão de 2, ambas com 80% de poder.
Exemplo prático
Uma oficina de usinagem quer comparar a variação do diâmetro de furos de uma máquina CNC antiga e de uma nova. Uma razão de desvios padrão de 1.5 justificaria transferir o trabalho crítico para a máquina melhor, e uma razão de 2 seria grave. O engenheiro deixa Sample sizes em branco, informa Ratio(s) = 1.5 2 e Power values = 0.8, e mantém a hipótese alternativa bilateral com 95% de confiança.
A ferramenta exige 50 peças de cada máquina para detectar uma razão de 1.5 com 80% de poder (poder real 0.802), e 19 peças cada para uma razão de 2 (poder real 0.816). Para 90% de poder, os números sobem para 66 e 24 peças por máquina. Um ensaio de 20 peças por máquina tem poder de apenas 0.402 para uma razão de 1.5, de modo que um resultado não significativo desse ensaio diz pouco. Se a pergunta for apenas se a máquina antiga é pior (hipótese alternativa σ1/σ2 > 1), 40 peças por máquina dão 80% de poder para uma razão de 1.5.
Perguntas frequentes
Por que a diferença de dispersão é informada como uma razão entre desvios padrão?
O teste F para duas variâncias usa F = S1 ao quadrado dividido por S2 ao quadrado. Se a razão verdadeira entre os desvios padrão é r, F é r ao quadrado vezes uma variável F com (n - 1, n - 1) graus de liberdade, de modo que só a razão importa. Você informa a razão sigma1/sigma2 e não precisa dos próprios desvios padrão.
Quantas amostras são necessárias para comparar duas variâncias?
Em um exemplo prático, bilateral com 95% de confiança, detectar uma razão de desvios padrão de 1.5 exige 50 peças por máquina para 80% de poder e 66 para 90%, enquanto uma razão de 2 exige 19 e 24. Um ensaio de 20 peças por máquina tem poder de apenas 0.402 para uma razão de 1.5, de modo que um resultado não significativo diz pouco.
Uma razão e seu inverso são tratados da mesma forma?
No teste bilateral, sim. Como os dois grupos têm o mesmo tamanho, uma razão r e uma razão 1/r dão o mesmo resultado: 1.5 e 0.667 exigem ambas 50 unidades por grupo para 80% de poder. Para hipóteses alternativas unilaterais, a ferramenta busca abaixo de 1 para a hipótese “menor que” e acima de 1 nos demais casos.
Quais são as premissas do cálculo de poder para 2 variâncias?
Pressupõe que os dois grupos provêm de populações normais e têm tamanhos amostrais iguais. O teste F é sensível a desvios da normalidade, portanto verifique a forma dos dados ao executar o teste. Se só uma direção importa, uma hipótese alternativa unilateral exige menos unidades: no exemplo prático, 40 peças por máquina dão 80% de poder para uma razão de 1.5.
