Ao realizar um teste de significância ou teste de hipótese, existem dois números que são fáceis de confundir. Esses números são facilmente confundidos porque são números entre zero e um e são probabilidades. Um número é chamado valor-p da estatística de teste. O outro número de interesse é o nível de significância ou alfa. Examinaremos essas duas probabilidades e determinaremos a diferença entre elas.
Valores alfa
O número alfa é o valor limite que medimos valores p contra. Ele nos diz o quão extremos os resultados observados devem ser para rejeitar a hipótese nula de um teste de significância.
O valor de alfa está associado ao nível de confiança de nosso teste. A seguir, são listados alguns níveis de confiança com seus valores relacionados de alfa:
- Para resultados com um nível de confiança de 90%, o valor de alfa é 1 - 0,90 = 0,10.
- Para resultados com 95% nível de confiança, o valor de alfa é 1 - 0,95 = 0,05.
- Para resultados com um nível de confiança de 99%, o valor de alfa é 1 - 0,99 = 0,01.
- E, em geral, para resultados com um nível de confiança de C por cento, o valor de alfa é 1 - C / 100.
Embora na teoria e na prática muitos números possam ser usados para alfa, o mais comum é 0,05. A razão para isso é tanto porque o consenso mostra que esse nível é apropriado em muitos casos e, historicamente, foi aceito como padrão. No entanto, existem muitas situações em que um valor menor de alfa deve ser usado. Não existe um único valor de alfa que sempre determina significância estatística.
O valor alfa nos dá a probabilidade de um erro tipo I. Erros do tipo I ocorrem quando rejeitamos uma hipótese nula que é realmente verdadeira. Assim, a longo prazo, para um teste com um Nível de significância de 0,05 = 1/20, uma hipótese nula verdadeira será rejeitada uma em cada 20 vezes.
Valores-P
O outro número que faz parte de um teste de significância é um valor-p. Um valor-p também é uma probabilidade, mas vem de uma fonte diferente de alfa. Toda estatística de teste tem uma probabilidade ou valor de p correspondente. Esse valor é a probabilidade de a estatística observada ocorrer apenas por acaso, assumindo que a hipótese nula seja verdadeira.
Como existem várias estatísticas de teste diferentes, existem várias maneiras diferentes de encontrar um valor-p. Em alguns casos, precisamos conhecer o distribuição de probabilidade da população.
O valor p da estatística de teste é uma maneira de dizer quão extrema é essa estatística para nossos dados de amostra. Quanto menor o valor p, mais improvável é a amostra observada.
Diferença entre P-Value e Alpha
Para determinar se um resultado observado é estatisticamente significativo, comparamos os valores de alfa e o valor de p. Existem duas possibilidades que emergem:
- O valor p é menor ou igual a alfa. Nesse caso, rejeitamos a hipótese nula. Quando isso acontece, dizemos que o resultado é estatisticamente significativo. Em outras palavras, estamos razoavelmente certos de que existe algo além do acaso, que nos deu uma amostra observada.
- O valor p é maior que alfa. Nesse caso, falhamos em rejeitar o hipótese nula. Quando isso acontece, dizemos que o resultado não é estatisticamente significativo. Em outras palavras, estamos razoavelmente certos de que nossos dados observados podem ser explicados apenas por acaso.
A implicação do exposto acima é que, quanto menor o valor de alfa, mais difícil é afirmar que um resultado é estatisticamente significativo. Por outro lado, quanto maior o valor de alfa, mais fácil é afirmar que um resultado é estatisticamente significativo. Juntamente com isso, no entanto, está a maior probabilidade de que o que observamos possa ser atribuído ao acaso.