Calculadora de Tamanho de Amostra para Teste A/B
Calcule o tamanho de amostra e a duração estimada do teste necessários para um teste A/B válido, usando sua taxa de conversão baseline, efeito mínimo detectável, poder estatístico e nível de significância — antes de começar a coletar dados.
Entrada
Sua taxa de conversão atual antes de executar o teste.
A menor mudança que vale a pena detectar. Relativo: 20 significa um aumento de 20% em relação à baseline (5% → 6%). Absoluto: 20 significa +20 pontos percentuais — use um valor pequeno como 1 ou 2 para efeitos realistas em pp.
2 = teste A/B clássico. Variantes 3+ aplicam uma correção de Bonferroni ao nível de significância, pois cada tratamento é comparado com o controle.
Tráfego diário médio em todas as variantes combinadas, para estimar quanto tempo o teste levará.
Saída
| Metric | Value |
|---|---|
| No data yet | |
Mais formas de usar esta ferramenta
API REST
curl -X POST https://api.iotools.cloud/v1/tool/ab-test-sample-size-calculator \
-H "Authorization: Bearer YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"baselineRate": "5",
"mdeType": "relative",
"minimumDetectableEffect": "20",
"testSides": "two",
"power": "80",
"significanceLevel": "0.05",
"variants": "2",
"dailyVisitors": ""
}'Troque pela sua própria chave, da sua conta. Os campos da ferramenta viram o corpo da requisição — sem envelope.
Peça a um agente de IA
Use the IOTools `ab-test-sample-size-calculator` tool (A/B Test Sample Size Calculator) on this input:
YOUR_INPUT_HERECole isto em qualquer agente conectado ao servidor MCP do IOTools e depois adicione sua entrada.
Widget para incorporar
<iframe
src="https://iotools.cloud/embed/ab-test-sample-size-calculator/"
width="100%" height="520" frameborder="0" scrolling="no" loading="lazy"
title="Calculadora de Tamanho de Amostra para Teste A/B — iotools.cloud"
sandbox="allow-scripts allow-forms allow-same-origin allow-downloads allow-popups allow-popups-to-escape-sandbox"
allow="clipboard-write"
style="width:100%;border:1px solid #e5e7eb;border-radius:12px;overflow:hidden"></iframe>
<script src="https://iotools.cloud/embed.js" async></script>Coloque isso na sua própria página — grátis, sem chave, só um link de volta.
| Custo por chamada de API/MCP | A partir de 5 créditos |
|---|---|
| Precisa de mais créditos? | Ver preços |
Também disponível via
Guias
O que esta calculadora faz?
Antes de lançar um teste A/B, esta ferramenta informa quantos visitantes você precisa por variante para detectar com confiabilidade a melhoria que você se importa. Digite sua taxa de conversão baseline, o efeito mínimo detectável (o menor aumento que pode ser capturado), seu poder estatístico e nível de significância de destino, e ela executa a fórmula padrão de tamanho de amostra de duas proporções para lhe dar um número exato — mais uma duração estimada do teste se você inserir seu tráfego diário.
Este é o cálculo a ser executado antes de um teste começar. Depois que um teste terminar, use a Calculadora de Significância do Teste A/B para avaliar os resultados que você realmente coletou.
Como usar
- Digite sua taxa de conversão baseline — a taxa que você está obtendo hoje.
- Digite o efeito mínimo detectável — o quão grande é a mudança que vale a pena capturar. Escolha Relativo (um aumento % da baseline, ex. 20 significa 5% → 6%) ou Absoluto (uma mudança fixa em pontos percentuais, ex. 2 significa 5% → 7%).
- Escolha bicaudal (a variante pode ser melhor ou pior) ou unicaudal (você só se importa se for melhor).
- Escolha seu poder estatístico (80% é o padrão comum) e nível de significância (0,05 é padrão).
- Defina o número de variantes, incluindo controle — 2 para um teste A/B clássico, mais para um teste A/B/n.
- Opcionalmente, digite seus visitantes diários para obter uma duração estimada do teste.
Por que o tamanho da amostra muda com mais variantes?
Com 3 ou mais variantes, cada tratamento é comparado com o controle, portanto, testar mais variantes significa executar mais testes de hipótese de uma vez. Sem correção, isso inflaciona sua taxa geral de falso-positivo — quanto mais comparações você faz, mais provável que uma delas pareça "significativa" puramente por acaso. Esta calculadora aplica uma correção de Bonferroni, dividindo seu nível de significância pelo número de comparações, portanto a taxa de erro verdadeira em todo o experimento permanece no que você definiu.
Qual é a diferença entre MDE relativo e absoluto?
Relativo MDE dimensiona com sua baseline — um aumento relativo de 20% em uma baseline de 5% tem como alvo 6%, mas o mesmo aumento de 20% em uma baseline de 40% tem como alvo 48%. Absoluto MDE é uma mudança fixa em pontos percentuais independente da baseline — digitar 2 sempre adiciona 2 pontos percentuais, quer sua baseline seja 5% ou 40%. MDE relativo é a convenção mais comum para testes de taxa de conversão, pois dimensiona adequadamente em páginas com taxas de baseline muito diferentes.
Por que um efeito menor precisa de muitos mais visitantes?
O tamanho da amostra cresce aproximadamente com o inverso do quadrado do efeito que você está tentando detectar — reduzir pela metade o efeito mínimo detectável aproximadamente quadriplica a amostra necessária. É por isso que perseguir aumentos muito pequenos (1-2% relativo) em páginas de tráfego baixo pode exigir tamanhos de amostra nas centenas de milhares, enquanto um efeito grande esperado em uma página de alta conversão precisa de muito menos visitantes.
Privacidade
Todos os cálculos são executados localmente no seu navegador — seus números nunca são enviados para um servidor.