Calculadora de p-valor - testes Z, t, F e qui-quadrado

O p-valor é a probabilidade de obter uma estatística de teste pelo menos tão extrema quanto a observada, assumindo que a hipótese nula é verdadeira. É a saída central de quase todos os testes estatísticos clássicos e serve como o principal critério para decidir se a hipótese nula deve ser rejeitada. Um p-valor pequeno significa que os dados observados são improváveis sob a hipótese nula, o que é evidência a favor da hipótese alternativa. O procedimento começa com uma hipótese nula H₀ (normalmente uma afirmação de nenhum efeito, nenhuma diferença ou nenhuma associação) e uma hipótese alternativa H₁. Em seguida, você coleta dados, calcula uma estatística de teste (Z, t, F ou χ²) e usa a distribuição de probabilidade dessa estatística sob H₀ para encontrar o p-valor. Se o p-valor for menor ou igual ao nível de significância α pré-definido (mais comumente 0.05), você rejeita H₀ e declara o resultado estatisticamente significativo. Diferentes estatísticas de teste seguem diferentes distribuições de probabilidade. A estatística Z segue a distribuição normal padrão e é usada quando o desvio-padrão populacional é conhecido ou a amostra é muito grande. A estatística t segue a distribuição t de Student com um número específico de graus de liberdade (df = n − 1 em um teste de uma amostra) e é usada para amostras pequenas a moderadas quando o desvio-padrão populacional é desconhecido. A estatística F segue uma distribuição F com graus de liberdade do numerador e do denominador, e é a base da ANOVA e do teste F de igualdade de variâncias. A estatística qui-quadrado segue uma distribuição qui-quadrado com df graus de liberdade e é usada para testes de independência em tabelas de contingência e testes de aderência. O tipo de cauda determina qual região da distribuição é usada para calcular o p-valor. Um teste bicaudal é apropriado quando a hipótese alternativa é não direcional (H₁: μ ≠ μ₀) e o p-valor soma a probabilidade nas duas extremidades. Um teste de cauda direita se aplica quando H₁ especifica uma direção positiva (H₁: μ > μ₀), e um teste de cauda esquerda quando H₁ especifica uma direção negativa (H₁: μ < μ₀). Para o teste F e o teste qui-quadrado, que na prática são inerentemente unilaterais (a estatística não pode ser negativa), o valor padrão reportado é o p-valor de cauda direita. Um equívoco crítico e comum é pensar que o p-valor é a probabilidade de H₀ ser verdadeira. Não é. O p-valor é uma probabilidade condicional: P(dados tão extremos | H₀ verdadeira). Ele não diz nada sobre a probabilidade de H₀ ou H₁ ser verdadeira; para isso você precisa de inferência bayesiana com probabilidades prévias. Outro equívoco é que p < 0.05 significa que o efeito é grande ou praticamente importante. A significância estatística depende do tamanho da amostra — com uma amostra grande o suficiente, até um efeito trivial e sem importância produzirá p < 0.05. Sempre informe tamanhos de efeito junto com os p-valores. O nível de significância α deve ser decidido antes de olhar os dados e deve refletir o risco tolerável de falso positivo (erro do tipo I). Diferentes áreas usam convenções diferentes: α = 0.05 é padrão na maioria das pesquisas biomédicas e de ciências sociais, α = 0.01 é comum quando falsos positivos são caros, e α = 5 × 10⁻⁸ é usado em estudos de associação genômica ampla para lidar com o grande número de testes realizados simultaneamente. Esta calculadora aceita valores de α de 0.01, 0.05 e 0.10.