Cos'è p?

Il Concetto di p (p-value)

In statistica, il p-value (o valore di probabilità) è la probabilità di ottenere risultati altrettanto o più estremi di quelli osservati in un test statistico, assumendo che l'ipotesi nulla sia vera. In altre parole, indica la forza dell'evidenza contro l'ipotesi nulla.

Interpretazione:

Un p-value basso (generalmente ≤ 0.05) suggerisce che i risultati osservati sono improbabili se l'ipotesi nulla fosse vera, e quindi fornisce evidenza per rifiutare l'ipotesi nulla. Al contrario, un p-value alto non fornisce evidenza sufficiente per rifiutare l'ipotesi nulla. È importante sottolineare che un p-value alto non dimostra che l'ipotesi nulla è vera, ma solo che non ci sono prove sufficienti per rifiutarla.

Come viene calcolato:

Il calcolo del p-value dipende dal test statistico specifico utilizzato (es. t-test, chi-quadrato, ANOVA). In generale, si confronta la statistica test calcolata con la distribuzione di probabilità teorica corrispondente, sotto l'ipotesi nulla.

Soglia di Significatività (α):

La soglia di significatività (α) è un valore predefinito (solitamente 0.05) che viene utilizzato come punto di riferimento per decidere se rifiutare o meno l'ipotesi nulla. Se il p-value è inferiore o uguale ad α, si rifiuta l'ipotesi nulla.

Limitazioni del p-value:

• Non indica la dimensione dell'effetto: Un p-value basso indica solo che l'effetto osservato è statisticamente significativo, ma non dice nulla sulla sua grandezza o importanza pratica.
• È influenzato dalla dimensione del campione: Con campioni molto grandi, anche effetti molto piccoli possono risultare statisticamente significativi.
• Non è la probabilità che l'ipotesi nulla sia vera: Il p-value è la probabilità dei dati (o di dati più estremi) dato che l'ipotesi nulla sia vera, non la probabilità che l'ipotesi nulla sia vera dato i dati.
• Suscettibile a interpretazioni errate e p-hacking: La ricerca del p-value "significativo" può portare a pratiche statistiche scorrette e risultati falsi positivi. È fondamentale considerare la potenza del test e l'interpretazione contestuale dei risultati.

In sintesi, il p-value è uno strumento utile nell'inferenza statistica, ma deve essere interpretato con cautela e in combinazione con altre informazioni, come la dimensione dell'effetto e la plausibilità biologica dei risultati. La comprensione delle limitazioni del p-value è cruciale per un'interpretazione corretta.