Um valor-p é tido como significativo quando está abaixo de um nível de significância pré-estabelecido, comumente 0,05. Este critério sugere que é improvável que esses resultados ocorram se a hipótese nula (H0) for verdadeira.
Um valor de p significativo significa que o efeito ou associação é grande ou clinicamente significativo. Um valor de p não significativo significa que não existe qualquer efeito ou associação.
Se o valor-p for menor que 0.05, devemos rejeitar a hipótese nula de que não há diferença entre as médias e concluir que existe uma diferença significativa. Se o valor-p for maior que 0.05, não é possível concluir que existe uma diferença significativa. Isso está bem claro, não é mesmo? Abaixo de 0.05, significativo.
O valor-p indica a probabilidade de se observar uma diferença tão grande ou maior do que a que foi observada sob a hipótese nula. Mas se o novo tratamento tiver um efeito de tamanho menor, um estudo com uma pequena amostra pode não ter poder suficiente para detectá-lo.
Em estudos na área da saúde, é frequente dicotomizar o valor de p utilizando o ponto de corte de 0,05 para indicar se hipótese nula pode ou não ser rejeitada com um nível de segurança. O Quadro 1 apresenta uma interpretação simplificada, mas adequada do valor de p.
O QUE É E COMO INTERPRETAR O VALOR DE P NA ANÁLISE ESTATÍSTICA
Como entender o valor de p?
O valor de p é a probabilidade de observar uma estatística de interesse igual ou mais extrema que a observada nos dados, assumindo que a hipótese nula é verdadeira. Formalmente, expressamos isso como p(Dados | H0), onde H0 é a hipótese nula.
Em resumo, um valor de p menor que 0,05 sugere que a probabilidade de obter os resultados observados — ou resultados mais extremos — sob a suposição de que a hipótese nula seja verdadeira, é inferior a 5%.
O valor de p é calculado usando a distribuição amostral da estatística de teste sob a hipótese nula, os dados de exemplo, e o tipo de teste que está sendo feito (teste de cauda inferior, teste de cauda superior, ou teste bilateral).
Uma vez calculada a estatística de teste, a utilizamos para calcular o valor-p. O valor-p é definido como a probabilidade de se observar um valor da estatística de teste maior ou igual ao encontrado.
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”.
O valor de significância, ou valor p, é a probabilidade de que um resultado tenha ocorrido por acaso. O valor de significância é comparado com um corte predeterminado (o nível de significância) para determinar se um teste é estatisticamente significativo.
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.
É um nível predeterminado de significância utilizado no teste de hipóteses e determina o risco de tomada de decisão incorreta. Por exemplo, se o nível de significância for de 5% (alfa = 0,05), então há 5% de chance de rejeitar a hipótese nula quando ela for verdadeira.
O p-valor (nível descritivo ou probabilidade de significância) é a probabilidade de se obter uma estatística de teste igual ou mais extrema que a estatística observada a partir de uma amostra aleatória de uma população quando a hipótese nula é verdadeira.
O nível de significância, também denotado como alfa ou α, é a probabilidade de rejeição da hipótese nula quando ela é verdadeira. Por exemplo, um nível de significância de 0,05 indica um risco de 5% de concluir que existe uma diferença quando não há diferença real.
O nível de significância é geralmente determinado pelo pesquisador antes da coleta dos dados. Em muitas aplicações da estatística, o nível de significância é tradicionalmente fixado em 0,05.
Uma amostra representativa é um subconjunto de dados, normalmente de um grupo maior com características semelhantes. Usar uma amostra representativa ajuda a analisar populações maiores, pois os dados gerados contêm versões menores e mais fáceis de manusear do que os do grupo maior.
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. Por exemplo, vamos pensar sobre uma pesquisa médica.
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.
Porcentagem é a razão entre um número e 100, e representamos essa razão pelo símbolo %. Utilizamos essa razão para representar partes de algo inteiro. A porcentagem é uma razão centesimal, ou seja, de base 100.
Um valor-p é tido como significativo quando está abaixo de um nível de significância pré-estabelecido, comumente 0,05. Este critério sugere que é improvável que esses resultados ocorram se a hipótese nula (H0) for verdadeira.
Em tal caso, se o p-value for menor que algum corte (usualmente 0,05, algumas vezes um pouco mais como 0,1 ou um pouco menos como 0,01) então você rejeita a hipótese nula.
– Um grande valor de p (p > 0,05, ou seja, probabilidade maior que 5%): indica que há uma grande probabilidade de que a diferença observada entre os grupos seja ao acaso, então, você considera que não há diferença significativa entre os grupos.
