Ihr Portal zur Vereinfachung der Poweranalyse und zur Bestimmung des erforderlichen Stichprobenumfangs für Forscher, Ärzte, Studenten und Akademiker. Wählen Sie den geeigneten statistischen Test, planen Sie Ihre Stichprobengröße und finden Sie alle Kernkonzepte auf einer einzigen Seite.
Die Power-Analyse bewertet die Wahrscheinlichkeit, einen echten Effekt zu erkennen. Eine zu kleine Stichprobe kann reale Unterschiede übersehen.
Informationskarten und kurze Erklärungen
Die Wahrscheinlichkeit, einen tatsächlich vorhandenen Effekt oder Zusammenhang zu erkennen. In vielen Studien werden 80 % oder 90 % angestrebt.
Die Wahrscheinlichkeit eines Fehlers 1. Art, meist 0,05. Ein niedrigeres Alpha erfordert oft größere Stichproben.
Beschreibt die Stärke eines Unterschieds oder Zusammenhangs. Sehr wertvoll für die klinische Interpretation.
Zu klein führt zu schwachen Schlussfolgerungen; zu groß verschwendet Zeit und Kosten.
Alle unsere Tools zur Poweranalyse sind nur einen Klick entfernt
Zum Vergleich der Mittelwerte zweier unabhängiger Gruppen.
Für Vorher-Nachher- oder gepaarte Messungen in derselben Gruppe.
Zwei unabhängige Gruppen nicht-parametrisch vergleichen (Mediane).
Zwei abhängige Messungen nicht-parametrisch vergleichen.
Mittelwerte von drei oder mehr unabhängigen Gruppen vergleichen.
3 oder mehr wiederholte Messungen bei denselben Personen vergleichen.
Zusammenhänge und Anpassungsgüte für kategoriale Daten testen.
2x2-Proportionsanalyse bei sehr kleinen Stichproben.
Erfolgs- oder Ereignisraten in zwei unabhängigen Gruppen vergleichen.
Stärke der linearen Beziehung zwischen zwei kontinuierlichen Variablen messen.
Ein kontinuierliches Ergebnis (R²) mit mehreren Prädiktoren vorhersagen.
Ein binäres Ergebnis mithilfe unabhängiger Variablen vorhersagen.
Ein geführter Assistent, um schnell die passendste Analyse zu finden
Beantworten Sie die folgenden Fragen, um den für Ihre Forschung am besten geeigneten statistischen Test zu finden.
Erklärungsbereich auf der Startseite
Idealerweise vor Beginn der Studie, als A-priori-Analyse.
Es ist umstritten; Effektgröße und Konfidenzintervalle sind oft informativer.
Sie können Literatur, Pilotdaten oder eine klinisch relevante Mindestdifferenz verwenden.
Ja. Viele Kernmodule können mit PHP und JavaScript entwickelt werden.
