O que significa P na estatística?

Perguntado por: rjesus . Última atualização: 2 de maio de 2023
4.8 / 5 9 votos

O valor "P", aquele que estamos usando para decidir se vamos ou não rejeitar a hipótese nula, é a probabilidade de ter a sua estatística amostral dado que a hipótese nula é verdadeira.

Para calcular o p-valor, é necessário coletar uma amostra de dados e calcular uma estatística de teste adequada para a hipótese que está sendo testada. Existem muitas estatísticas de teste diferentes disponíveis, cada uma adequada para um tipo específico de hipótese e de conjunto de dados.

Como você interpreta valores-P? Em termos técnicos, um valor-P é a probabilidade de obter um efeito pelo menos tão extremo quanto aquele em seus dados amostrais, assumindo que a hipótese nula é verdadeira. Por exemplo, suponha que um estudo sobre uma vacina tenha produzido um valor-P de 0.04.

Se o valor é muito pequeno (menor que 0,01), ele declara que o efeito foi percebido. Se for muito grande (maior que 0,20), ele declara que, se há algum efeito, nenhum experimento do tamanho do que foi executado, será capaz de detectá-lo.

Um valor de p 0,05 significa que a probabilidade de o achado ser resultado do acaso é de apenas 5%.

Podemos entender o p-valor (p-value) como uma medida da compatibilidade entre os resultados dos experimentos biológicos e uma hipótese. Ou seja, o p-valor é definido como a probabilidade de que uma tendência amostral tão grande quanto a que foi observada aconteça, mesmo que a hipótese nula seja verdadeira.

Desvendando o que p significa.
O valor p, ou p-valor, é uma estatística muito conhecida em pesquisa quantitativa. Apesar de incorreto, é comum o pensamento de que o valor p indica se a pesquisa “deu certo” ou “deu errada”.

Gíria usada em universidades para se referir à primeira prova de uma disciplina.

Valor P. P < 0.05 indica uma diferença estatisticamente significante entre os grupos. P > 0.05 indica que não existe uma diferença estatisticamente significante entre os grupos.

Se a diferença não é devida ao acaso, dizemos que é uma diferença estatisticamente significativa. São inúmeras as situações em que precisamos ter certeza de que as diferenças que observamos não são explicadas por acaso. É a base do método científico.

De forma pragmática, o valor de P representa a probabilidade da hipótese nula ser verdadeira, ou seja, que a diferença encontrada, entre o resultado de duas ou mais amostras, seja devido ao acaso, e não devido a fatores que estão sendo estudados.

Após calculado o p-valor é comparado ao nível de significância ( ), caso seja maior que o valor p então nós rejeitamos a hipótese nula, e caso contrário nós não rejeitamos a hipótese nula.

Conforme declarado anteriormente, existem duas maneiras de obter o valor p no Excel:

  1. Ferramenta t-Test na ferramenta de análise.
  2. A função 'T. TEST'

Se em um teste A/B uma versão foi vencedora e a significância foi de 95%, por exemplo, isso significa que há 95% de chance de que você realmente tem uma versão vencedora. No entanto, ainda há 5% de chance de que esse resultado tenha sido uma pura obra do acaso e não refletir a realidade.

Um resultado de teste diz-se estatisticamente significativo se tiver sido previsto como improvável de ocorrer por erro de amostragem isoladamente, de acordo com uma probabilidade limiar: o nível de significância.

CONCLUSÃO: No nível de 5% de significância, há evidências que a audiência do programa de 2ª feira não foi de 60% e sim inferior a esse número ( < 60%).

Menor P era alertado de operações da polícia - Casos de Polícia - Extra Online.

De um modo geral, na área médica, considera-se que valor-p menor ou igual a 0,05 indica que há diferenças significativas entre os grupos comparados.

Como toda probabilidade, o valor de p irá variar entre 0 e 1. Na grande maioria das áreas, admite-se um valor crítico de p menor ou igual a 0,05, ou seja, assume-se como margem de segurança 5% de chances de erro, ou olhando por outro ângulo, 95% de chances de estar certo.

A hipótese nula é aquela em que as coisas estão acontecendo como esperadas. É a hipótese onde, digamos, que não há diferença. Nós temos com frequência, aqui, uma igualdade na qual o parâmetro populacional é igual a um certo valor, assumido como o esperado, o "normal" na situação.

O risco alfa é o risco de concluir que algo é significativo quando, na verdade, não é. A compreensão do conceito de risco alfa é importante ao tomar decisões com base nos resultados de testes estatísticos, ação corriqueira no Lean Six Sigma.