Calculateur de taille d’échantillon
Planifiez la taille d’une expérience comparative. Choisissez une famille de tests (t à un échantillon, t à deux échantillons ou apparié), une taille d’effet cible, la puissance statistique souhaitée et le niveau de signification. Le calculateur renvoie la taille minimale d’échantillon par groupe et note les hypothèses de l’approximation normale sur laquelle il s’appuie.
Calculateur
Saisissez les paramètres de planification pour voir la réplication requise
Réplicats par groupe
n = 2 × (z1−α/2 + z1−β)² × σ² / δ²
L'approximation normale standard à deux échantillons pour comparer des moyennes avec des groupes de taille égale. Le résultat est arrondi au réplicat entier supérieur. Il s'agit d'une estimation de planification, pas d'un conseil statistique pour une étude précise.
À propos de ce calcul
De quoi il s'agit
Sample size planning uses the normal approximation to the test statistic to determine how many observations per group are needed to detect a given effect with a chosen probability (power). The smaller the effect or the lower the power target, the larger the required sample.
Pourquoi on l'utilise
Running too few samples misses real effects; running too many wastes resources and animals. Sample size planning lets the experimenter commit to a defensible n before the bench work begins.
L'intérêt de ce calculateur
The normal-approximation formula is short, but the inputs (effect size, power, alpha, sidedness) are easy to mix up — particularly the difference between the two-sample test variance assumption (equal vs unequal). The calculator standardises the inputs and shows the per-group n.
Hypothèses clés
- The data approximate a normal distribution, or the test is robust to non-normality at the planned n.
- The variance estimate used in the power calculation is a credible stand-in for the real variance.
- The effect size is the smallest effect the experiment is intended to detect.
Limites
- It uses the normal approximation, which is conservative for very small samples — the exact test may need fewer.
- It does not plan for attrition, dropout, or technical replicates — build those into the n.
- It does not replace a formal power analysis for non-standard tests (non-parametric, mixed models).
Ce que cet outil calcule
- Réplicats par groupe
- Minimum whole replicates needed in each group (rounded up).
- Réplicats totaux
- Replicates across both groups combined.
- Taille d'effet standardisée (d)
- δ / σ — the difference expressed in units of the standard deviation.
Questions fréquentes
Que estime ce calculateur de taille d’échantillon ?
Il estime le nombre de répétitions biologiques par groupe nécessaires pour détecter une différence entre deux moyennes indépendantes — par exemple traitement contre témoin sur une plaque ou dans un système de culture — au niveau de signification et à la puissance choisis. Il renvoie le nombre minimal de répétitions entières par groupe (toujours arrondi au supérieur), le total des deux groupes et la taille d’effet standardisée d = δ / σ. C’est une estimation avant l’étude reposant sur l’approximation normale standard à deux échantillons, pas un test a posteriori de vos données.
De quelles valeurs le calculateur a-t-il besoin ?
Quatre valeurs : la plus petite différence entre moyennes de groupes qu’il vaut la peine de détecter (δ), dans les unités du résultat ; un écart-type supposé (σ), idéalement issu de données pilotes ou de la littérature ; un niveau de signification bilatéral (α), compris entre 0,001 et 0,2, la valeur courante étant 0,05 ; et une puissance cible (1 − β), comprise entre 0,5 et 0,999, la valeur courante étant 0,8. En interne, il applique la formule d’approximation normale n = 2(z₁₋α/₂ + z₁₋β)²σ²/δ².
Qu’est-ce que la puissance statistique, en langage simple ?
La puissance est la probabilité que votre expérience détecte réellement la différence spécifiée, si cette différence existe vraiment. Avec la cible habituelle de 80 %, vous passeriez encore environ une fois sur cinq à côté d’un effet réel de cette taille, et le calculateur montre directement l’arbitrage : augmenter la puissance cible augmente le nombre de répétitions par groupe renvoyé. La puissance est le complément de l’erreur de type II (1 − β), et cet outil permet de la fixer entre 0,5 et 0,999.
De combien de répétitions ai-je besoin, et les répétitions techniques comptent-elles ?
Il n’y a pas de nombre universel : la réponse honnête dépend de la taille de la différence que vous voulez détecter et de la variabilité de votre dosage — exactement ce que le calculateur dérive de votre δ, σ, α et puissance. Les répétitions qu’il planifie sont les répétitions indépendantes (biologiques) derrière la comparaison des deux groupes : moyenner plusieurs mesures techniques du même échantillon ne remplace pas davantage d’observations indépendantes. Le calculateur ne planifie ni les répétitions techniques, ni les pertes d’échantillons, ni les abandons — intégrez-les au n qu’il vous donne.
Quelles sont les limites de cette estimation ?
Il utilise l’approximation z (grands échantillons) plutôt que la distribution de Student, donc en dessous d’environ 30 répétitions par groupe un test t exigerait légèrement plus que le nombre annoncé — considérez le résultat comme une borne inférieure. Il suppose deux groupes indépendants de même taille et de même variance, un résultat approximativement normal, un test bilatéral et une comparaison unique ; tests multiples, dispositifs appariés et variances inégales demandent d’autres formules. C’est une aide à la planification, pas un conseil statistique pour une étude précise — consultez un statisticien pour les dispositifs confirmatoires ou cliniques.
À usage uniquement scientifique et pédagogique. Ne convient pas aux décisions cliniques ou diagnostiques. Vérifiez toujours vos calculs de manière indépendante avant toute utilisation critique.