Calculadora de P-Valor

p-value
Próximo

Insira uma estatística de teste, z, t ou qui-quadrado, juntamente com os graus de liberdade quando relevante, e a calculadora retorna o p-valor para hipóteses de um ou dois lados. É o básico de estatísticas e testes A/B: uma vez que você tenha a estatística de teste dos seus dados, isso a converte na probabilidade de observar algo pelo menos tão extremo sob a hipótese nula.

Como os p-valores são calculados

  1. 1

    Escolha a distribuição

    z para médias e proporções de grandes amostras, t para médias de pequenas amostras com desvio padrão conhecido, qui-quadrado para testes de aderência e tabelas de contingência.

  2. 2

    Insira a estatística

    Seu valor observado de z, t ou qui-quadrado a partir dos dados.

  3. 3

    Escolha os lados

    Dois lados para "diferente em qualquer direção", um lado para hipóteses direcionais "maior" ou "menor que".

  4. 4

    Leia o p-valor

    A área na(s) cauda(s) da distribuição além da sua estatística.

Tabela de referência (dois lados)

Estatística p-valor Interpretação
z = 1.64 0.10 Marginal
z = 1.96 0.05 Limite clássico
z = 2.58 0.01 Forte
z = 3.29 0.001 Muito forte
t(20) = 2.09 0.05 ~1.96 equivalente para df = 20
t(5) = 2.57 0.05 Amostras pequenas elevam o crítico

O que um p-valor significa

Um p-valor é a probabilidade, assumindo que a hipótese nula é verdadeira, de ver uma estatística de teste pelo menos tão extrema quanto a que você observou. Um p pequeno significa que os dados seriam improváveis sob a nula, então a nula está errada ou você teve azar.

O que um p-valor não significa

  • não é a probabilidade de que a hipótese nula seja verdadeira.
  • não é a probabilidade de que você replicará a descoberta.
  • não é o tamanho do efeito. Um efeito pequeno e sem significado pode resultar em p < 0.001 com uma amostra grande o suficiente.
  • não é um limite que separa “real” de “não real”, 0.05 é uma convenção, não uma lei.

Escolhendo um vs dois lados

Use um lado apenas quando você tiver uma hipótese direcional genuína especificada antes de ver os dados (seu medicamento só pode ajudar, não prejudicar). Caso contrário, use dois lados. Mudar para um lado depois do fato para ficar abaixo de 0.05 é p-hacking e compromete a inferência.

Armadilhas comuns

  • Comparações múltiplas. Realize 20 testes, espere que um atinja p < 0.05 por acaso. Use Bonferroni ou Benjamini–Hochberg.
  • N grande, efeito pequeno. Uma amostra de milhões sinalizará diferenças de 0.1% como significativas. Sempre relate tamanhos de efeito junto com p-valores.
  • Dicotomização. “Significativo vs não” perde informação. p = 0.048 e p = 0.052 são efetivamente a mesma força de evidência.
  • Interpretação errada do qui-quadrado. p é uma função tanto da estatística quanto dos graus de liberdade; um qui-quadrado de 10 é significativo em df=2 (p=0.0067) mas não em df=20 (p=0.97).

Perguntas frequentes

Por convenção 0.05, mas os limites devem se adequar ao custo de estar errado. Ensaios médicos costumam usar 0.01 ou mais rigorosos. Alguns campos argumentam a favor de 0.005 como padrão.

Amostras maiores reduzem o erro padrão, então efeitos triviais se tornam “significativos”. Sempre relate o tamanho do efeito (d de Cohen, razão de chances, diferença bruta) ao lado do p-valor.

Dois lados por padrão. Um lado só é justificado quando você tem uma hipótese direcional genuína fixada antes da coleta de dados.

z assume que você conhece o desvio padrão populacional (raro); t é usado quando você o estima a partir da amostra. Para amostras grandes, eles convergem.

Significa que os dados seriam incomuns sob a nula. Replicação, tamanho do efeito e mecanismo importam mais do que um único p-valor.

Ferramentas relacionadas

Ferramenta disponível em outros idiomas