Calcular el tamaño de la muestra para la prueba exacta de Fisher

Question

Estoy investigando el papel de la reputación del remitente en la corrección de vulnerabilidades de Android mediante una campaña de notificación a gran escala. Hay 2 remitentes con diferentes reputaciones y 1 como control (no se envía ninguna notificación). Estoy midiendo el efecto de estas notificaciones por parte de los remitentes y averiguando cuántas vulnerabilidades se solucionaron cuando se les notificó. Tengo un problema en el diseño del estudio, ya que no consigo averiguar el tamaño de la muestra necesario para un análisis significativo. Esta es la tabla de contingencia hasta ahora.

          Fixed   Not fixed  Total
Sender1                        21
Sender2                        21
Control                        22

Total                          64

Sé que tengo que hacerlo por pares y luego utilizar correcciones Multitest (para ello utilizaré Holm-Bonferrroni), pero la pregunta es si el análisis tendrá sentido o no. Para ello tengo que calcular el tamaño de muestra necesario. ¿Cómo hacerlo?

(La pregunta puede ser muy básica, pero no tengo conocimientos de estadística, así que por favor ayuda)

Answer 1

Intentaré responder a su pregunta, no dude en corregirme si le he entendido mal.

Primero, aquí es una calculadora del tamaño de la muestra para la prueba exacta de Fisher o utilice este paquete en R y aquí un artículo . Si usted está interesado en una explicación más detallada, me gustaría sugerir a google, fishers prueba exacta está bien descrito.

Dicho esto, para calcular el tamaño de la muestra se necesitan conocimientos previos. El tamaño de la muestra NUNCA debe calcularse basándose en las observaciones utilizadas para el análisis real.

Una alternativa a la prueba exacta de Fisher para calcular el tamaño de la muestra es utilizar proporciones.

En segundo lugar, pregunta por la corrección para pruebas múltiples. A menos que se trate de 1.000 pruebas o más, nunca recomendaría la corrección por pruebas múltiples. ¿Por qué? Porque simplemente aumentan los errores de tipo 2 cuando se intenta disminuir los errores de tipo 1, y ¿cómo puede asegurarse de que no desea realizar una prueba más tarde en el mismo conjunto de datos? Si lo hace y se determina en la corrección, los resultados anteriores ya no son válidos, sino que deben corregirse para las nuevas pruebas adicionales. He aquí un artículo que comentan estos problemas.

Espero que esto pueda ser de ayuda