Baixe o app para aproveitar ainda mais
Prévia do material em texto
G a b r i e l l a S i l v e i r a D u a r t e @ _ d u a r t e g a b r i e l l a P á g i n a | 1 Prova de bioestatística O QUE SIGNIFICA VALOR DE P? ➔ Na maioria das análises, um alfa de 0.05 é usado como ponto de corte para significância. 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. ➔ Abaixo de 0.05, significativo. Acima de 0.05, não significativo. ➔ quanto menor for o p-valor, mais "distante" estamos da hipótese nula. Portanto, quanto menor o valor-p maior a evidência para se rejeitar a hipótese nula. ➔ e o nível de significância (α)(α) proposto para o teste for menor que o p-valor não rejeitamos a hipótese nula. ➔ O valor de p nada mais é que uma probabilidade — que, obviamente, varia de 0 a 1 (0 a 100%). ➔ Mas probabilidade de que? ➔ A resposta é simples: o valor de p representa a probabilidade de: a diferença detectada entre os grupos analisados ter ocorrido ao acaso. Então: ➔ Um pequeno valor de p (p ≤ 0,05, ou seja, probabilidade menor ou igual a 5%): indica que há uma pequena probabilidade de que a diferença observada entre os grupos seja ao acaso, então, você considera que há diferença significativa entre os grupos. ➔ 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. ➔ Imagine que um pesquisador testou a eficiência de dois tratamentos e observou que a média do tratamento “A” foi maior que a média do tratamento “B”, e que após realizar as análises estatísticas adequadas, o pesquisador encontrou um valor de p=0,3. O que isso significa? ➔ Significa que a chance dessa diferença entre as médias ser devido ao acaso (e não um efeito dos tratamentos) é de 30%. Ou seja, se o pesquisador afirmar que as diferenças entre as médias ocorreram por causa dos tratamentos, ele tem 30% de chances de estar enganado. ➔ Analisando sobre outro ponto de vista, o da probabilidade, se o pesquisador realizar o mesmo experimento 100 vezes, ele irá encontrar resultados semelhantes em 70 experimentos. ➔ 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 dificuldade na compreensão do significado do valor de p leva muitos pesquisadores a cometer alguns equívocos na hora de discutir os resultados ou mesmo nas conclusões do trabalho. ➔ Voltemos ao exemplo do pesquisador que estudou dois tratamentos e observou uma média maior para o tratamento “A” em comparação ao tratamento “B”, com p=0,3. Suponhamos que na área deste pesquisador o valor de p aceitável também seja menor ou igual a 0,05, ou seja, admite-se uma margem de erro de até 5%. ➔ Um erro muito comum nessa situação é realizar a seguinte discussão dos resultados: ➔ “Embora a diferença estatística não seja significativa (p>0,05) a média do tratamento “A” foi 20% superior à média do tratamento “B”.” ➔ Ora, no exemplo em questão o pesquisador tem 30% de chances de que essa diferença de 20% entre as médias não seja um efeito dos tratamentos e sim de outro fator que não está sendo estudado, sendo que o risco aceitável para essa área de estudo é de apenas 5%. Em resumo, o pesquisador nesse caso está atribuindo aos tratamentos uma diferença que tem grandes chances de ser obra do acaso, de ser um falso-positivo. https://blog.minitab.com/blog/understanding-statistics/things-statisticians-say-failure-to-reject-the-null-hypothesis https://blog.minitab.com/blog/understanding-statistics/things-statisticians-say-failure-to-reject-the-null-hypothesis G a b r i e l l a S i l v e i r a D u a r t e @ _ d u a r t e g a b r i e l l a P á g i n a | 2 ➔ Nesse caso vale a pena conferir se a variação dos dados não foi muito grande, se o tamanho da amostra foi adequado, se houve algum problema com a metodologia, se delineamento experimental foi adequado, ou se não houve outros fatores além dos tratamentos estudados que influenciaram nos resultados.
Compartilhar