O Significado e a Interpretação dos P-values (o que os dados dizem)

O P-value, que depende diretamente de uma dada amostra, tenta fornnecer uma medida da força dos resultados de um teste, em contraste a uma simples rejeição ou não rejeição. Se a hipótese nula for verdadeira e a chance da variação aleatória for a única razão para as diferenças amostrais, então o P-value é uma medida quantitativa para alimentar o processo de tomada de decisão como evidência. A tabela seeguinte fornece uma interpretação razoável dos P-values:

P-value	Interpretação
P< 0,01	evidência muito forte contra H0
0,01< = P < 0,05	evidência moderada contra H0
0,05< = P < 0,10	evidência sugestiva contra H0
0,10< = P	pouca ou nenhuma evidência real contra H0

Esta interpretação é largamente aceita, e muitos jornais científicos rotineiramente publicam artigos usando tal interpreatação do resultado do teste de hipótese.

Para amostra de tamanho fixo, quando o número de realizações é decidido antecipadamente, a distribuição de p é uniforme (assumindo a hipótese nula). Expressariamos isto como P(p < x) = x. Isto significa que o critério de p <0,05 atinge um de 0,05.

Um p-value é uma medida de quanta evidência você tem contra a hipótese nula. Quanto menor o p-value, mais evidência você tem. Deve-se combinar o p-value com o nível de significância para tomar decisão sobre um dado teste de hipótese. Em tal caso, se o p-value for menor que algum corte (usualmente 0,05, algumas vezes um pouco mais como 0,1 ou um pouco menos como 0,01) então você rejeita a hipótese nula.

Entendido que a distribuição dos p-values sob hipótese nula H0 é uniforme, e então não depender de uma forma particular do teste estatístico. Num teste de hipótese estatístico, o P value é a probabilidade de observar um teste estatístico no mínimo como extremo o valor realmente observado, assumindo que a hipótese nula seja verdadeira. O valor de p é definido com respeito a uma distribuição. Portanto, podemos chamá-lo "hipótese de modelo-distribucional " ao invés de "a hipótese nula".

Em resumo, ele simplesmente significa que se a nula tivesse sido verdadeira, o p value é a probabilidade contra a nula naquele caso. O p-value é determinado pelo valor observado, entretanto, isto torna difícil para estabelecer o inverso de p.

Ler o seguinte artigo:
Arsham H., Kuiper's P-value as a Measuring Tool and Decision Procedure for the Goodness-of-fit Test, Journal of Applied Statistics, Vol. 15, No.3, 131-135, 1988.

O Significado e a Interpretação dos P-values (o que os dados dizem?)