{"id":478,"date":"2023-07-29T18:52:24","date_gmt":"2023-07-29T18:52:24","guid":{"rendered":"https:\/\/statorials.org\/pt\/p-valores-significancia-estatistica\/"},"modified":"2023-07-29T18:52:24","modified_gmt":"2023-07-29T18:52:24","slug":"p-valores-significancia-estatistica","status":"publish","type":"post","link":"https:\/\/statorials.org\/pt\/p-valores-significancia-estatistica\/","title":{"rendered":"Uma explica\u00e7\u00e3o dos valores p e signific\u00e2ncia estat\u00edstica"},"content":{"rendered":"

<\/p>\n

\n

Em estat\u00edstica, os valores p<\/strong> s\u00e3o comumente usados em testes de hip\u00f3teses para testes t, testes de qui-quadrado, an\u00e1lise de regress\u00e3o, ANOVAs e v\u00e1rios outros m\u00e9todos estat\u00edsticos.<\/span><\/p>\n

Embora sejam t\u00e3o comuns, muitas vezes as pessoas interpretam os valores p incorretamente, o que pode levar a erros na interpreta\u00e7\u00e3o dos resultados de uma an\u00e1lise ou estudo.<\/span><\/p>\n

Este artigo explica como compreender e interpretar os valores p de forma clara e pr\u00e1tica.<\/span><\/p>\n

Testando hip\u00f3teses<\/span><\/strong><\/h2>\n

Para entender os valores p, primeiro precisamos entender o conceito de teste de hip\u00f3teses<\/a> .<\/span><\/p>\n

Uma hip\u00f3tese de teste<\/strong> \u00e9 um teste estat\u00edstico formal que usamos para rejeitar ou n\u00e3o rejeitar uma hip\u00f3tese. Por exemplo, podemos levantar a hip\u00f3tese de que um novo medicamento, m\u00e9todo ou procedimento tem certas vantagens sobre um medicamento, m\u00e9todo ou procedimento atual.<\/span><\/p>\n

Para testar isso, podemos realizar um teste de hip\u00f3tese onde usamos uma hip\u00f3tese nula e alternativa:<\/span><\/p>\n

Hip\u00f3tese Nula<\/strong> \u2013 N\u00e3o h\u00e1 efeito ou diferen\u00e7a entre o novo m\u00e9todo e o m\u00e9todo antigo.<\/span><\/p>\n

Hip\u00f3tese Alternativa<\/strong> \u2013 Existe um efeito ou diferen\u00e7a entre o novo m\u00e9todo e o m\u00e9todo antigo.<\/span><\/p>\n

Um valor p indica qu\u00e3o cred\u00edvel \u00e9 a hip\u00f3tese nula, dados os dados da amostra. Especificamente, assumindo que a hip\u00f3tese nula \u00e9 verdadeira, o valor p indica-nos a probabilidade de obter um efeito pelo menos t\u00e3o grande quanto aquele que realmente observamos nos dados da amostra.<\/span><\/p>\n

Se o valor p de um teste de hip\u00f3tese for suficientemente baixo, podemos rejeitar a hip\u00f3tese nula. Especificamente, quando realizamos testes de hip\u00f3teses, precisamos escolher um n\u00edvel de signific\u00e2ncia desde o in\u00edcio. As escolhas comuns para n\u00edveis de signific\u00e2ncia s\u00e3o 0,01, 0,05 e 0,10.<\/span><\/p>\n

Se os valores p estiverem abaixo<\/em> do nosso n\u00edvel de signific\u00e2ncia, podemos rejeitar a hip\u00f3tese nula.<\/span><\/p>\n

Caso contr\u00e1rio, se o valor p for igual ou superior ao<\/em> nosso n\u00edvel de signific\u00e2ncia, n\u00e3o rejeitaremos a hip\u00f3tese nula.<\/span><\/p>\n

Como interpretar um valor P<\/strong><\/span><\/h2>\n

A defini\u00e7\u00e3o cl\u00e1ssica de um valor p \u00e9:<\/span><\/p>\n

\n

Um valor p<\/strong> \u00e9 a probabilidade de observar uma estat\u00edstica de amostra que seja pelo menos t\u00e3o extrema quanto sua estat\u00edstica de amostra, dado que a hip\u00f3tese nula \u00e9 verdadeira.<\/span><\/p>\n<\/blockquote>\n

Por exemplo, suponha que uma f\u00e1brica afirme produzir pneus com peso m\u00e9dio de 200 libras. Um auditor levanta a hip\u00f3tese de que o peso m\u00e9dio real dos pneus produzidos nesta f\u00e1brica \u00e9 diferente em 200 libras. Ent\u00e3o ele realiza um teste de hip\u00f3tese e descobre que o valor p do teste \u00e9 0,04. Veja como interpretar esse valor p:<\/span><\/p>\n

Se a f\u00e1brica realmente produz pneus com peso m\u00e9dio de 200 libras, ent\u00e3o 4% de todas as auditorias atingir\u00e3o o efeito observado na amostra, ou mais, devido a erro de amostragem aleat\u00f3ria. Isso nos diz que a obten\u00e7\u00e3o dos dados amostrais obtidos pelo auditor seria bastante rara se a f\u00e1brica realmente produzisse pneus com peso m\u00e9dio de 200 libras.<\/span><\/p>\n

Dependendo do n\u00edvel de signific\u00e2ncia utilizado neste teste de hip\u00f3tese, o auditor provavelmente rejeitaria a hip\u00f3tese nula de que o peso m\u00e9dio real dos pneus produzidos nesta f\u00e1brica \u00e9 de facto de 200 libras. As amostras de dados obtidas durante a auditoria n\u00e3o s\u00e3o muito consistentes com a hip\u00f3tese nula.<\/span><\/p>\n

Como n\u00e3o<\/em> interpretar um valor P<\/strong><\/span><\/h2>\n

O maior equ\u00edvoco sobre os valores p \u00e9 que eles equivalem \u00e0 probabilidade de cometer um erro ao rejeitar uma hip\u00f3tese nula verdadeira (chamada de erro Tipo I).<\/span><\/p>\n

Existem duas raz\u00f5es principais pelas quais os valores p n\u00e3o podem corresponder \u00e0 taxa de erro:<\/span><\/p>\n

1.<\/strong> Os valores P s\u00e3o calculados com base na suposi\u00e7\u00e3o de que a hip\u00f3tese nula \u00e9 verdadeira e que a diferen\u00e7a entre os dados da amostra e a hip\u00f3tese nula se deve simplesmente ao acaso. Portanto, os valores p n\u00e3o podem dizer a probabilidade do valor zero ser verdadeiro ou falso, uma vez que \u00e9 100% verdadeiro do ponto de vista dos c\u00e1lculos.<\/span><\/p>\n

2.<\/strong> Embora um valor p baixo indique que os dados da sua amostra s\u00e3o improv\u00e1veis, assumindo que zero \u00e9 verdadeiro, um valor p ainda n\u00e3o pode dizer qual dos seguintes casos \u00e9 mais prov\u00e1vel:<\/span><\/p>\n