Significância estatística

Em Estatística, um resultado é significante se for improvável que tenha ocorrido por acaso, caso uma determinada hipótese nula seja verdadeira, mas não sendo improvável caso a hipótese base seja falsa.

Mais concretamente, no teste de hipóteses com base na frequência estatística, a significância de um teste é a probabilidade máxima de rejeitar acidentalmente uma hipótese nula verdadeira (uma decisão conhecida como erro de tipo I). A significância de um resultado é também chamada de valor p (p-value).

Por exemplo, podemos escolher um nível de significância de, digamos, 5%, e calcular um valor crítico de um parâmetro (por exemplo a média) de modo que a probabilidade de ela exceder esse valor, dada a verdade da hipótese nulo, ser 5%. Se o valor estatístico calculado exceder o valor crítico, então é significante "ao nível de 5%".

Se o nível de significância é menor, o valor é menos provavelmente um extremo em relação ao valor crítico. Deste modo, um resultado que é "significante ao nível de 1%" é mais significante do que um resultado que é significante "ao nível de 5%". No entanto, um teste ao nível de 1% é mais susceptível de padecer do erro de tipo II do que um teste de 5% e por isso terá menos poder estatístico.

Ao conceber um teste de hipóteses, o técnico deverá tentar maximizar o poder de uma dada significância, mas ultimamente tem de reconhecer que o melhor resultado que se pode obter é um compromisso entre significância e poder, em outras palavras, entre os erros de tipo I e tipo II.

Esta página usa conteúdo da Wikipedia. O artigo original estava em Significância_estatística. Tal como o Think Finance neste artigo, o texto da Wikipedia está disponível segundo a GNU Free Documentation License.