BIOESTATÍSTICA - VALOR DE P

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.