Resumen de Determinación del número mínimo de animales al comparar las medias de tratamiento mediante análisis de potencia

Yasin Altay, Ozgur Koskan, Hayati Koknaroglu

• español

  Objetivo. El propósito de este estudio fue determinar el número mínimo de animales (tamaño mínimo de la muestra) en comparaciones de tratamientos con diferentes tamaños de efecto (0.25-2.0), el número de tratamientos (2-7) y la potencia de la prueba (80- 95%). Además, se desarrollaron ecuaciones de regresión lineal, cuadrática y cúbica que estiman el tamaño mínimo de muestra que debe usarse en las comparaciones de tratamientos. Materiales y métodos. Dentro del alcance de esta investigación, se utilizó la ganancia media diaria (GMD) de los experimentos con ganado de engorde a corral realizados en la Universidad Estatal de Iowa con un total de 1283 novillos. La potencia de la prueba se calculó después de que se tomaron muestras aleatorias de los datos de GMD y se establecieron las diferencias entre los tratamientos en términos de desviación estándar. Este proceso se repitió 1000 veces mediante una macro escrita en el programa del paquete de Minitab en la cantidad de tratamientos y niveles de potencia a comparar. Resultados. Se encontró que las ecuaciones de regresión cúbica dieron resultados más fiables que las demás. Como resultado, después de determinar el número de tratamientos, la potencia de la prueba y el tamaño del efecto, se puede determinar fácilmente un número suficiente de unidades experimentales utilizando las ecuaciones de estimación creadas sin análisis de potencia. Conclusiones. De esta manera, se pueden prevenir los gastos excesivos de dinero y las pérdidas financieras en estudios científicos y se puede brindar la oportunidad de encontrar financiamiento más fácilmente.

• English

  Objective. The purpose of this study was to determine the minimum number of animals (minimum sample size) in treatment comparisons with different effect sizes (0.25-2.0), the number of treatments (2-7), and the power of the test (80-95%). In addition, linear, quadratic, and cubic regressions equations that estimate the minimum sample size that should be used in treatment comparisons were developed. Materials and methods. Within the scope of this research, average daily gain (GDP) of feedlot cattle experiments conducted at Iowa State University totaling 1283 steers were used. The power of the test was calculated after random samples were taken from the GDP data and the differences between the treatments in terms of standard deviation were established. This process was iterated 1000 times via a macro written in the Minitab package program in the number of treatments and power levels to be compared. Results. It was found that the cubic regression equations gave more reliable results than others. As a result, after determining the number of treatments, the power of the test, and the effect size, a sufficient number of experimental units can be easily determined by using the estimation equations created without power analysis. Conclusions. In this way, excess money expenditure and financial loss in scientific studies can be prevented and the opportunity to find financing more easily can be provided.