Valor p
Na estatística clásica, o valor p (tamén chamado de nivel descritivo ou probabilidade de significación), é a probabilidade de obter unha estatística de proba igual ou mellor que aquela observada nunha mostra, baixo a hipótese nula.[1] Por exemplo, en probas de hipótese, pódese rexeitar a hipótese nula co 5% no caso de que o valor-p sexa menor que 5 %. Así, outra interpretación para o valor p, é que este é o menor nivel de significación co que se rexeitaría a hipótese nula. En termos xerais, un valor p pequeno significa que a probabilidade de obter un valor da estatística de proba como o observado é moi improbábel, levando así ao rexeitamento da hipótese nula.
Nunha proba clásica de hipóteses, defínense dúas hipóteses, a nula (H0) e a alternativa (HA). En moitas aplicacións da estatística, por convenio defínese a hipótese alternativa como a hipótese formulada polo pescudador, mentres que a hipótese nula é o seu complementario. En principio, a hipótese nula considérase certa. Ao confrontarmos a hipótese nula cos achados dunha mostra aleatoria tomada dunha poboación de interese, verifícase a súa plausibilidade en termos probabilísticos, o que nos leva a rexeitarmos ou non H0. Se non rexeitamos H0, tomámola como certa; en caso contrario, tomamos HA como certa.
Por utilizarmos nesta toma de decisión unha mostra (unha parte da poboación) e non a poboación enteira, podemos cometer dous tipos de erro. Cometemos un erro tipo I cando rexeitamos H0 e H0 é certa, e cometemos un erro tipo II cando non rexeitamos H0 e H0 é falsa. A táboa abaixo describe estas situacións.
| A hipótese H0 é certa | A hipótese H0 é falsa | |
|---|---|---|
| Rexéitase H0 | Erro do tipo I | sen erro |
| Non se rexeita H0 | sen erro | Erro do tipo II |
A probabilidade de cometermos un erro tipo I é chamada de nivel de significación, denotado pola letra grega α. O nivel de significación é determinado xeralmente polo pescudador antes da recollida dos datos. En moitas aplicacións da estatística, o nivel de significación fíxase tradicionalmente en 0,05.[2]
Con base nestes conceptos, podemos definir o valor p como a menor escolla que fariamos para o nivel de significación, de forma que rexeitariamos H0. Por exemplo, se supomos que o nivel de significación foi fixado en α = 0,05. Un valor p igual a 0,20 indica que se rexeitaría H0 se tivésemos escollido un nivel de significación de 0,20, polo menos. Como escollemos α = 0,05, non se rexeita H0. Isto leva a unha regra simplista, máis usual, onde se rexeita H0 se o valor p é menor que α e non se rexeita no caso contrario.
Cómpre ter moita cautela na interpretación dun valor p, dado que esta medida está bastante influenciada polo tamaño da mostra. As mostras grandes tenden a producir valores p pequenos, aínda que o efecto observado non teña grande importancia práctica, mentres mostras pequenas tenden a producir valores p grandes, aínda que exista un importante efecto nun punto de vista práctico.[3] Por iso, o uso dos valores p nas pescudas médicas foi bastante criticado por varios autores.[4][5]
Notas
[editar | editar a fonte]- ↑ "Glossário Inglês-Português de Estatística". Arquivado dende o orixinal o 30 de xullo de 2016. Consultado o 29 de agosto de 2016.
- ↑ Nutrition 1994;10(1):93-4.
- ↑ Altman DG, Bland JM. Absence of evidence is not evidence of absence. British Medical Journal 1995; 311:485.
- ↑ Grimes DA, Schulz KF. An overview of clinical research: the lay of the land. The Lancet 2002; 359:57-61.
- ↑ Gardner MJ, Altman DG. Confidence intervals rather than P values: estimation rather than hypothesis testing. British Medical Journal (Clin Res Ed) 1986;292(6522):746-50.
Véxase tamén
[editar | editar a fonte] |
Wikimedia Commons ten máis contidos multimedia na categoría: Valor p |
