Blog
O que é o valor de p e como interpretá-lo sem cair em armadilhas
O p-valor é o número mais citado e mais mal compreendido da estatística. Veja o que ele realmente significa.
O valor de p aparece em praticamente todo artigo científico, mas poucos conseguem defini-lo com precisão. E a definição importa, porque quase todas as interpretações erradas de resultados nascem de um mal-entendido sobre o que o p-valor mede. Este post explica o conceito de forma correta e mostra as armadilhas mais comuns.
A definição correta
O valor de p é a probabilidade de observar um resultado tão extremo quanto o obtido — ou mais extremo — supondo que a hipótese nula seja verdadeira. A hipótese nula, em geral, afirma que não existe efeito ou diferença (por exemplo: os dois tratamentos têm o mesmo efeito médio).
Repare no que essa definição diz: o p-valor é calculado assumindo que não há efeito. Ele responde à pergunta “se realmente não houvesse diferença, quão surpreendentes seriam os meus dados?”. Um p pequeno indica que os dados seriam pouco prováveis sob a hipótese nula, o que enfraquece a plausibilidade dessa hipótese.
O que o valor de p NÃO é
Aqui moram os erros mais graves:
- Não é a probabilidade de a hipótese nula ser verdadeira. Um p de 0,03 não significa “há 3% de chance de não haver efeito”. Essa é uma inversão lógica frequente e incorreta.
- Não é a probabilidade de o resultado ter ocorrido por acaso. Essa frase, tão repetida, não corresponde à definição.
- Não mede o tamanho do efeito. Um p minúsculo pode acompanhar um efeito clinicamente irrelevante, especialmente em amostras grandes.
- Não prova que a hipótese alternativa é verdadeira. Rejeitar a nula não confirma automaticamente a explicação que você prefere.
O limiar de 0,05 e seus limites
O corte em 0,05 é uma convenção, não uma lei da natureza. Ele define o nível de significância: a taxa de falsos positivos que aceitamos quando a hipótese nula é verdadeira. Nada torna 0,049 verdadeiro e 0,051 falso; tratá-los como categorias opostas é um artefato do pensamento dicotômico.
Por isso, muitos periódicos e diretrizes hoje recomendam relatar o valor de p exato e, sobretudo, acompanhá-lo do tamanho do efeito e do intervalo de confiança. O intervalo de confiança mostra a faixa de valores plausíveis para o efeito, informando magnitude e precisão de uma vez, algo que o p sozinho não faz.
Significância estatística versus relevância clínica
Um resultado pode ser estatisticamente significativo e clinicamente irrelevante, e vice-versa. Imagine (exemplo ilustrativo) um estudo enorme que detecta uma redução média de pressão de 1 mmHg com p muito pequeno: o efeito é real no sentido estatístico, mas provavelmente sem importância para o paciente. Do outro lado, um estudo pequeno pode observar um efeito grande e promissor com p acima de 0,05 apenas por falta de poder. Interpretar o p isoladamente esconde essas duas situações.
O problema das comparações múltiplas
Quando muitos testes são feitos, a chance de encontrar pelo menos um falso positivo cresce. Rodar vinte comparações independentes ao nível de 0,05 torna provável que ao menos uma “dê significativa” só por acaso. Análises com muitos desfechos ou subgrupos precisam de correção (como Bonferroni ou controle da taxa de descoberta falsa) ou de um plano de análise definido antes da coleta. Sair “pescando” p-valores até achar um abaixo de 0,05 (prática conhecida como p-hacking) produz achados que não se replicam.
Como relatar o valor de p corretamente
Boas práticas de redação incluem: informar o p exato (por exemplo, p = 0,03, e não apenas “p < 0,05”), usar “p < 0,001” para valores muito pequenos, sempre acompanhar do tamanho do efeito e do intervalo de confiança, e deixar claro quais análises eram planejadas e quais foram exploratórias. Essa transparência é cada vez mais exigida por revisores.
Fechando o raciocínio
O valor de p é uma ferramenta útil quando entendido no lugar certo: ele mede a compatibilidade dos dados com a hipótese nula, nada além disso. A conclusão científica nasce da combinação entre p-valor, tamanho do efeito, intervalo de confiança, qualidade do delineamento e plausibilidade biológica.
Quer garantir que a interpretação estatística do seu estudo resista à revisão por pares? A Estatística para Pesquisa apoia a análise e a redação dos resultados com rigor metodológico.
Leitura complementar: veja como interpretar valor-p e intervalo de confiança juntos e como escolher testes para sua pesquisa.
Se você precisa aplicar esses testes na prática, o plano Análise do StatFlow monta o script em R para o seu delineamento, executa a análise no R de verdade e devolve os resultados com o valor de p, o teste escolhido (Shapiro-Wilk decide entre paramétrico e não paramétrico) e a redação de Métodos e Resultados em português. O pacote inclui o script.R reexecutável e sai por R$ 138 em /checkout/?add-to-cart=585.
Perguntas frequentes
O que significa p menor que 0,05?
Significa que, se a hipótese nula fosse verdadeira, dados tão ou mais extremos que os seus seriam pouco prováveis (menos de 5%). É um indício contra a nula, não uma prova do efeito.
Valor de p baixo prova que o tratamento funciona?
Não. Ele indica incompatibilidade com a hipótese nula, mas a conclusão depende também do tamanho do efeito, do intervalo de confiança e da qualidade do estudo.
Posso confiar em um p de 0,04 obtido após muitos testes?
Com cautela. Muitas comparações inflam a chance de falso positivo. Sem correção ou sem plano de análise prévio, esse resultado pode não se sustentar.