O inverso do Sample Size Calculator: você já tem um tamanho de amostra fixo (ex: um holdout de campanha) — descubra o menor efeito que esse desenho consegue detectar com confiança.
Conceito · MDE — Minimum Detectable Effect
Técnico: menor diferença entre grupos que um teste, com determinado tamanho de amostra, nível de significância e poder, é capaz de detectar como estatisticamente significativa.
Em linguagem simples: é o menor "ganho" que vale a pena tentar enxergar com o teste que você tem condição de rodar. Com base pequena, só efeito grande aparece.
A conversão que você já observa hoje, sem a mudança testada.
Os tamanhos que você já tem (ou já rodou) — fixos, não calculados.
Exemplo demonstrativo: os valores pré-preenchidos vêm de uma prática real de holdout de campanha (~5% do público em controle) — não é uma regra, apenas um caso ilustrativo.
—
MDE relativo mínimo detectável
—
Taxa equivalente detectável
Preencha os parâmetros e clique em "Calcular MDE".
—
Método: mesma fórmula do Sample Size Calculator (two-proportion z-test, Fleiss/Levin/Paik), só que invertida — em vez de dado o efeito calcular a amostra, dada a amostra buscamos o menor efeito detectável.
Como a inversão é feita: não existe forma fechada simples para isso (o efeito aparece tanto na diferença quanto na variância da fórmula), então usamos busca binária: testamos repetidamente diferentes valores de MDE até encontrar aquele em que a amostra necessária bate com a amostra que você já tem.
Validação: essa implementação foi conferida contra uma segunda implementação independente em Python (scipy + busca de raiz), com resultados idênticos.
Limitações: as mesmas do Sample Size Calculator — não substitui simulação para métricas não-binárias, dados correlacionados, ou paradas antecipadas.
Quer ver como o MDE muda conforme o poder estatístico exigido?
Abrir o Experimentation Lab →