Mientras que la significancia estadística nos dice [[Valor-p como medida de la significancia estadística|qué tan probable es]] que se produzcan los resultados observados asumiendo que la hipótesis nula sea verdadera, el tamaño del efecto nos dice justamente lo que indica su nombre: qué tan grande o importante es el efecto medido. La significancia estadística se puede ver afectada notablemente por el tamaño de la muestra (a mayor $n$, mayor probabilidad de obtener diferencias estadísticamente significativas). Con una muestra lo suficientemente grande, incluso una diferencia pequeña será estadísticamente significativa. Con una muestra lo suficientemente pequeña, incluso una diferencia inmensa podría no ser estadísticamente significativa. %% [[Kirsch2009]]:49 %% Esto se debe a que, con muestras más grandes, la variabilidad se reduce mientras que la precisión de la estimación aumenta. Por ejemplo, en un estudio con 1000 participantes, una diferencia del 1% entre dos grupos podría ser estadísticamente significativa, mientras que en un estudio con solo 10 participantes, se necesitaría una diferencia mucho mayor para alcanzar la significancia. %% GPT-4o %% #Rev/2602 #Tipo/Aclaración