🧪 Calculadora de Valor P
A Calculadora de Valor P é uma ferramenta estatística gratuita que calcula o valor p a partir de um escore Z para testes de hipótese. Insira sua estatística de teste e selecione o tipo de cauda para obter o valor p, junto com conclusões de significância nos níveis 0.05 e 0.01. Todos os cálculos são executados localmente no seu navegador usando a função de distribuição acumulada normal padrão. Pesquisadores, estudantes e analistas a usam para determinar se devem rejeitar a hipótese nula.
Calcule o valor p a partir de um escore Z (estatística de teste) para testes de hipótese. Suporta testes de cauda esquerda, cauda direita e bicaudal com conclusões de significância em alfa 0.05 e 0.01.
O que é esta ferramenta?
Um valor p é a probabilidade de obter uma estatística de teste pelo menos tão extrema quanto a observada, assumindo que a hipótese nula (H₀) é verdadeira. Nos testes de hipótese você começa com duas declarações concorrentes: a hipótese nula H₀ (tipicamente "sem efeito" ou "sem diferença") e a hipótese alternativa H₁ ("há um efeito"). Você calcula um escore Z a partir dos seus dados, depois o converte em um valor p usando a distribuição normal padrão. Um valor p pequeno significa que o resultado observado seria improvável sob H₀, o que é evidência contra a hipótese nula. Por exemplo, se você está testando se um novo medicamento funciona, H₀ diz que o medicamento não tem efeito. Se seu estudo produz p = 0.03, significa que há apenas 3% de chance de ver um resultado tão extremo se o medicamento realmente não tivesse efeito. Por convenção, quando p é menor que o nível de significância alfa (α), tipicamente 0.05, você rejeita H₀ e declara o resultado "estatisticamente significativo". O valor p depende tanto da magnitude do efeito quanto do tamanho da amostra, então deve sempre ser interpretado junto com intervalos de confiança e tamanhos de efeito. O diagrama abaixo mostra as regiões de rejeição (sombreadas em vermelho) nas caudas da distribuição normal padrão para um teste bicaudal com α = 0.05. Como funciona
A calculadora converte um escore Z em um valor p usando a função de distribuição acumulada (CDF) da distribuição normal padrão. A CDF, denotada Φ(Z), dá a probabilidade de que uma variável aleatória normal padrão seja menor ou igual a Z. É calculada via função de erro: Φ(Z) = 0.5 × (1 + erf(Z / √2)). A calculadora usa a aproximação de Abramowitz-Stegun para erf, que é precisa dentro de 1.5 × 10⁻⁷. Dependendo do tipo de teste selecionado, três fórmulas se aplicam. Para um teste de cauda esquerda (H₁: parâmetro < valor), p = Φ(Z), que é a área sob a curva à esquerda de Z. Para um teste de cauda direita (H₁: parâmetro > valor), p = 1 − Φ(Z), a área à direita de Z. Para um teste bicaudal (H₁: parâmetro ≠ valor), p = 2 × (1 − Φ(|Z|)), que contabiliza ambas as caudas simultaneamente. A distinção entre unicaudal e bicaudal é crítica: um teste bicaudal divide a região de rejeição alfa entre ambas as caudas, tornando mais difícil alcançar significância para o mesmo escore Z. Por exemplo, Z = 1.96 dá p = 0.05 em um teste bicaudal mas p = 0.025 em um teste unicaudal. Após calcular o valor p, a calculadora o compara com os limiares convencionais α = 0.05 e α = 0.01 e relata se o resultado é estatisticamente significativo em cada nível.Tabela de Referência Escores Z Comuns para Valor p
Consulta rápida dos escores Z mais usados e seus valores p correspondentes para testes unicaudais e bicaudais.
| Escore Z | p (unicaudal) | p (bicaudal) | Significância |
|---|---|---|---|
| 1.00 | 0.1587 | 0.3173 | Não significativo |
| 1.282 | 0.10 | 0.20 | Não significativo |
| 1.645 | 0.05 | 0.10 | Significativo (unicaudal α=0.05) |
| 1.96 | 0.025 | 0.05 | Significativo (bicaudal α=0.05) |
| 2.00 | 0.0228 | 0.0455 | Significativo |
| 2.326 | 0.01 | 0.02 | Significativo (unicaudal α=0.01) |
| 2.576 | 0.005 | 0.01 | Significativo (bicaudal α=0.01) |
| 3.00 | 0.00135 | 0.0027 | Muito significativo |
| 3.291 | 0.0005 | 0.001 | Muito significativo (α=0.001) |
Limiares de Significância e Valores Críticos
Níveis de significância padrão (α) e seus valores críticos Z e níveis de confiança correspondentes.
| α (significância) | Nível de confiança | Z (bicaudal) | Z (unicaudal) |
|---|---|---|---|
| 0.10 (10%) | 90% | ±1.645 | ±1.282 |
| 0.05 (5%) | 95% | ±1.96 | ±1.645 |
| 0.01 (1%) | 99% | ±2.576 | ±2.326 |
| 0.005 (0.5%) | 99.5% | ±2.807 | ±2.576 |
| 0.001 (0.1%) | 99.9% | ±3.291 | ±3.090 |
Se seu |Z| excede o valor crítico para seu α escolhido, você rejeita H₀.
Como usar
- Insira o escore Z (estatística de teste) que você obteve da sua análise. Por exemplo, 1.96 é um valor crítico comum.
- Selecione o tipo de teste: bicaudal (H₁: ≠), cauda esquerda (H₁: <) ou cauda direita (H₁: >). Isso deve corresponder à sua hipótese alternativa.
- Clique em Calcular para computar o valor p usando a CDF normal padrão.
- Revise o valor p e as conclusões de significância em α = 0.05 e α = 0.01.
- Use o valor p para decidir se rejeita ou não rejeita a hipótese nula H₀, e relate-o junto com tamanhos de efeito e intervalos de confiança.
Perguntas Frequentes
O que é um valor p?
Um valor p é a probabilidade de observar uma estatística de teste pelo menos tão extrema quanto a obtida, assumindo que a hipótese nula é verdadeira. Ele quantifica quão surpreendentes são seus dados se realmente não houvesse efeito. Um valor p menor significa evidência mais forte contra H₀.
Qual é a diferença entre testes unicaudais e bicaudais?
Um teste unicaudal verifica um efeito em apenas uma direção (maior que ou menor que), colocando todo o alfa em uma única cauda. Um teste bicaudal verifica um efeito em qualquer direção, dividindo alfa igualmente entre ambas as caudas. Para o mesmo escore Z, um teste unicaudal produz um valor p metade do tamanho de um teste bicaudal.
p < 0.05 é sempre significativo?
Por convenção, p < 0.05 é chamado de "estatisticamente significativo," mas este limiar é arbitrário. Significa que há menos de 5% de chance de ver seu resultado se H₀ fosse verdadeira. Algumas disciplinas usam limiares mais rigorosos como 0.01 ou 0.001. Sempre relate o valor p exato em vez de apenas "significativo" ou "não significativo."
Um valor p pode ser zero?
Em teoria, o valor p de uma distribuição contínua nunca é exatamente zero, mas pode ser tão pequeno que arredonda para zero (por exemplo, p < 0.0001). Nesse caso você pode relatá-lo como p < 0.001. Valores p extremamente pequenos indicam evidência esmagadora contra H₀.
O que significa se meu valor p é grande?
Um valor p grande (por exemplo, 0.40) significa que seus dados são bastante compatíveis com a hipótese nula — não há evidência suficiente para rejeitá-la. No entanto, isso não prova que H₀ seja verdadeira. Pode ser que seu tamanho de amostra seja muito pequeno para detectar um efeito real (falta de poder estatístico).
Por que Z = 1.96 dá p = 0.05?
Na distribuição normal padrão, a área além de ±1.96 totaliza exatamente 5% (2.5% em cada cauda). Então para um teste bicaudal, Z = 1.96 é o valor crítico em α = 0.05. É por isso que 1.96 é um dos números mais citados em estatística.
Dicas
Sempre decida seu nível de significância α antes de coletar dados — alterá-lo depois introduz viés. Um valor p abaixo de 0.05 é convencionalmente chamado de "significativo," mas este limiar é arbitrário; muitos campos agora exigem p < 0.01 ou relatam valores p exatos. Lembre-se de que significância estatística não implica importância prática: uma amostra grande pode produzir um valor p minúsculo para um efeito trivialmente pequeno. Sempre combine valores p com tamanhos de efeito e intervalos de confiança. Nunca use um teste bicaudal quando sua hipótese é direcional (unicaudal), e vice-versa. O valor p não é a probabilidade de H₀ ser verdadeira — é a probabilidade dos dados dado H₀. Esta ferramenta realiza apenas testes Z; para testes t use uma calculadora de distribuição t quando o tamanho da amostra é pequeno ou o desvio padrão populacional é desconhecido.
Ferramentas Relacionadas
Calculadora de Escore Z
Calcule o escore Z a partir do valor bruto, da média e do desvio padrão. Convert
Calculadora de Distribuição Normal
Calcule instantaneamente probabilidades da distribuição normal. Encontre P(X≤x),
Calculadora de Intervalo de Confiança
Calcule o intervalo de confiança para a média populacional usando a distribuição
Calculadora de Desvio Padrão
Calcule desvio padrão, variância, média e amplitude de qualquer conjunto de dado
Calculadora Estatística
Calcule média, mediana, moda, variância, desvio padrão e quartis de qualquer con
Fontes e Referências
- Wasserstein, R. L. & Lazar, N. A. (2016). "The ASA Statement on p-Values: Context, Process, and Purpose." The American Statistician, 70(2), 129-133. tandfonline.com.
- NIST/SEMATECH. "e-Handbook of Statistical Methods." itl.nist.gov.
- Abramowitz, M. & Stegun, I. A. (1964). Handbook of Mathematical Functions, Fórmula 7.1.26 (aproximação da função de erro).
Última revisão: agosto de 2026.
Limitações
Esta ferramenta calcula valores p a partir de escores Z apenas para a distribuição normal padrão. Não realiza testes t, testes qui-quadrado, testes F ou ANOVA.
O que esta ferramenta não considera:
- Tamanhos de amostra pequenos: quando n < 30 ou o desvio padrão populacional é desconhecido, um teste t usando a distribuição t é mais apropriado que um teste Z.
- Comparações múltiplas: realizar muitos testes infla a taxa de falsos positivos. Esta ferramenta não aplica correção de Bonferroni ou outra.
- Tamanho do efeito: um valor p pequeno não significa que o efeito é grande ou praticamente importante. Sempre considere tamanhos de efeito e intervalos de confiança junto com valores p.
- Pressupostos: o teste Z assume dados distribuídos normalmente (ou amostra suficientemente grande para o TLC), independência de observações e variância populacional conhecida.
Valores p nunca devem ser a única base para uma decisão científica ou empresarial.