Com a estatística de teste calculada, ela nos serve de base para determinar o valor-p. Comumente, adota-se o limiar de 0,05 para refutar a hipótese nula. Um valor-p mais baixo indica uma maior discrepância entre os resultados observados e o que seria esperado sob a hipótese nula, presumindo que esta seja verdadeira.
Resumo. O p-valor pode ser definido como uma probabilidade que informa o nível de incompatibilidade dos dados observados com um modelo teórico esperado. Por essa razão, atua como um dos principais parâmetros de significância estatística de pesquisas empíricas.
– 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.
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.
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.
O QUE É E COMO INTERPRETAR O VALOR DE P NA ANÁLISE ESTATÍSTICA
Qual o valor de p-valor?
Com a estatística de teste calculada, ela nos serve de base para determinar o valor-p. Comumente, adota-se o limiar de 0,05 para refutar a hipótese nula. Um valor-p mais baixo indica uma maior discrepância entre os resultados observados e o que seria esperado sob a hipótese nula, presumindo que esta seja verdadeira.
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).
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.
Conclusão. O p-valor é uma probabilidade com valor entre 0 e 1, ou entre 0 e 100% . O p-valor é a probabilidade de que a estatística do teste tenha um valor extremo em relação ao valor observado quando a hipótese nula é verdadeira.
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.
Portanto, o nosso valor "p" é a probabilidade de se obter um valor "t". E isso a mesma coisa que a probabilidade de se estar 2,75 acima da média, ou de se estar 2,75 abaixo da média. Basicamente, para calcular o valor "p" nós somamos estas duas áreas aqui. Ou seja, o valor "p" vai ser de aproximadamente 0,04.
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.
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%.
Em termos simples, o valor p expressa o quanto você está surpreso com os dados, supondo que não haja efeito. Quanto menor o valor p, mais incompatíveis os dados parecem ser com seu modelo (ou seja, a suposição de que não há efeito).
Chamado também de constante π, o seu valor é de aproximadamente 3,14159265358979323846… Note que essa é uma sequência infinita de números. Ao realizar cálculos envolvendo a constante π, é bastante comum utilizarmos aproximações dele, como 3,14 ou 3,1 ou até mesmo 3.
