A resposta curta
Um valor p é a probabilidade de ver um resultado pelo menos tão extremo quanto o seu, se a hipótese nula (sem efeito real) fosse realmente verdadeira. Um pequeno valor p (geralmente abaixo de 0,05) sugere que seus dados seriam incomuns sob essa suposição – evidência contra a hipótese nula, não prova de que ela é falsa, e não a probabilidade de que a própria hipótese nula seja verdadeira.
Principais conclusões
- p < 0,05 não prova que um efeito seja real; isso significa que os dados observados seriam improváveis se realmente não houvesse efeito.
- O valor p depende da estatística do teste, do tamanho da amostra e da variabilidade – um efeito minúsculo e sem importância ainda pode produzir um valor p pequeno se a amostra for grande o suficiente.
- Os testes bicaudais dividem a significância em ambas as direções e geralmente relatam aproximadamente o dobro do valor p de um teste unilateral correspondente.
- Diferentes estatísticas de teste (z, t, qui-quadrado, F) vêm de distribuições diferentes, portanto, a mesma estatística numérica pode produzir valores p muito diferentes dependendo de qual teste se aplica.
Limites de significância comuns
| intervalo de valores p | Interpretação típica |
|---|---|
| p ≥ 0.10 | Pouca ou nenhuma evidência contra a hipótese nula |
| 0.05 ≤ p < 0.10 | Evidência fraca ou marginal |
| 0.01 ≤ p < 0.05 | Moderate evidence — commonly called "significant" |
| p < 0.01 | Fortes evidências contra a hipótese nula |
Estas faixas são convenções, não leis da natureza – diferentes campos (medicina, física, ciências sociais) adotam limites diferentes dependendo de quão caro seria um falso positivo.
Unicaudal vs. bicaudal
| Teste | Pergunta feita | relação p-valor |
|---|---|---|
| Bicaudal | Existe alguma diferença, em qualquer direção? | ~2× o valor p unilateral |
| Unicaudal | Existe uma diferença em uma direção específica? | ~1/2 o valor p bicaudal |
Exemplo resolvido: valor p do teste z
z = 1,96, teste bicaudal
p = 2 × (1 − Φ(1,96)) = 2 × (1 − 0,9750) = 0,05
É exatamente por isso que 1,96 aparece com tanta frequência nas estatísticas – é o escore z cujo valor p bicaudal atinge precisamente o limite convencional de 0,05, tornando-o o ponto de corte padrão para um nível de confiança de 95%.
Erros comuns a evitar
- Treating the p-value as "the probability the null hypothesis is true" — it's computed assuming the null IS true, so it can't simultaneously measure the odds that it's true.
- Escolher a direção de um teste unilateral depois de ver para que lado os dados se inclinam — a direção deve ser decidida antes de analisar os resultados, ou o teste não será mais válido.
- Tratar p = 0,05 como uma linha dura – um valor p de 0,049 e 0,051 representa evidência quase idêntica, apesar de cair em lados opostos do limiar comum.
- Confundir significância estatística com importância prática – uma amostra suficientemente grande pode tornar estatisticamente significativo até mesmo um efeito trivialmente pequeno e sem importância.
Calculadoras relacionadas
- Calculadora de intervalo de confiança — estimar um intervalo em vez de testar uma única hipótese.
- Calculadora de pontuação Z — converta um valor bruto na pontuação z que esta calculadora pode testar.
- Calculadora de desvio padrão — calcular a variabilidade que alimenta a maioria das estatísticas de teste.
- Calculadora de tamanho de amostra — planejar um estudo com potência suficiente para detectar um efeito real.