Calculadora de Valor-p

Q: Como calcular um valor-p manualmente, sem calculadora?

Para um teste z, use a CDF normal padrão: para um teste unicaudal à direita, p = 1 - Phi(z), e para um teste unicaudal à esquerda, p = Phi(z). Os valores de Phi(z) vêm de uma tabela da distribuição normal: procure o seu valor de z (arredondado para duas casas decimais), leia a probabilidade da tabela e tome o complemento para a cauda direita. Para os testes t, χ² e F, você precisaria das respectivas tabelas estatísticas, que é exatamente o que esta calculadora substitui ao calcular a CDF numericamente.

Q: Qual é um valor-p bom ou normal?

Não existe um valor objetivamente "bom" — o valor-p depende dos seus dados e do tamanho da amostra. Por convenção, resultados com p ≤ 0.05 são chamados de estatisticamente significativos, e p ≤ 0.01 de altamente significativos. No entanto, esses limiares são convenções, não provas. Um valor-p pequeno indica evidência forte contra a hipótese nula, não que o seu achado seja grande ou importante. Sempre relate o tamanho de efeito e o intervalo de confiança junto com o valor-p.

Q: O valor-p é a probabilidade de a hipótese nula ser verdadeira?

Não — esta é a interpretação equivocada mais comum. O valor-p é a probabilidade de observar uma estatística de teste pelo menos tão extrema quanto a sua, assumindo que a hipótese nula seja verdadeira. Um valor-p de 0,03 não significa que há 3% de chance de a hipótese nula estar correta. Ele também não pode dizer a probabilidade de a sua hipótese alternativa ser verdadeira; isso exigiria uma abordagem bayesiana.

Q: Por que o meu valor-p é diferente do que aparece no SPSS, R ou Excel?

Verifique primeiro o número de caudas: o software pode informar por padrão um valor-p bicaudal, que é aproximadamente o dobro do valor unicaudal. Verifique também os graus de liberdade, pois testes como o teste t de Welch usam um df diferente da versão padrão com variâncias agrupadas. Por fim, o arredondamento da estatística de teste ou o uso de correções de continuidade em testes χ² podem deslocar ligeiramente o valor-p. Pequenas diferenças na terceira ou quarta casa decimal geralmente são apenas arredondamento.

Q: Posso converter um valor-p bicaudal em unicaudal (ou vice-versa)?

Se a estatística de teste aponta na direção da sua alternativa unilateral, o valor-p unicaudal é a metade do valor bicaudal: p_one = p_two/2. Se ela aponta na direção oposta, o valor-p unicaudal excede 0,5 e o resultado não pode ser significativo. É importante decidir o número de caudas antes de realizar o teste — mudar depois apenas para alcançar significância infla a taxa de falsos positivos e é considerado p-hacking.

Q: E se a minha estatística de teste for negativa?

Valores negativos são perfeitamente normais para as estatísticas z e t — eles simplesmente indicam que a média amostral está abaixo do valor hipotetizado. Insira o número negativo como está; a calculadora usa a cauda esquerda automaticamente. No entanto, as estatísticas χ² e F nunca podem ser negativas, pois são construídas a partir de quantidades ao quadrado. Se o seu valor de χ² ou F é negativo, ocorreu um erro de cálculo em alguma etapa anterior — verifique novamente as suas fórmulas.

Q: Um valor-p pode ser 0 ou maior que 1?

Um valor-p está sempre estritamente entre 0 e 1, porque é uma probabilidade. Ele pode ser extremamente pequeno (por exemplo, 2.1 × 10^-5, exibido como 2.1e-05), mas nunca exatamente zero — software que imprime "0.000" está apenas arredondando. Se você obtiver um valor acima de 1 ou um número negativo, houve um erro de entrada, como digitar uma probabilidade em vez de uma estatística de teste ou interpretar errado o campo de saída.

Atualizado: 4 outubro 2026

Insira uma estatística de teste z, t, qui-quadrado ou F para encontrar o valor-p em testes bicaudais, unicaudais à esquerda ou unicaudais à direita. Escolha a distribuição, os graus de liberdade e o nível de significância para verificar se o seu resultado é estatisticamente significativo.

Encontre o Valor-p do Seu Teste

Fórmula do Valor-p

Fórmula

\[ p = \begin{cases} 2 \cdot \min\big(P(T \le t),\; P(T \ge t)\big) & \text{teste bicaudal (}\neq\text{)} \\ P(T \ge t) & \text{teste unicaudal à direita (}>) \\ P(T \le t) & \text{teste unicaudal à esquerda (}<\text{)} \end{cases} \] Onde:

\(T\) — a variável aleatória da estatística de teste (Z, t, χ² ou F) sob a hipótese nula \(H_0\)
\(t\) — o valor observado da sua estatística de teste
\(P(T \ge t)\) — a probabilidade de observar um valor pelo menos tão extremo quanto \(t\), na cauda direita

O valor-p é a probabilidade, calculada sob a hipótese nula, de obter uma estatística de teste pelo menos tão extrema quanto a observada. Quais caudas contam como "extremas" depende da hipótese alternativa.

Para cada distribuição, as probabilidades das caudas vêm da respectiva função de distribuição acumulada: a CDF normal padrão \(\Phi(z)\) para Z, a CDF da distribuição t de Student com \(df\) graus de liberdade, a CDF do qui-quadrado ou a CDF da distribuição F com \(df_1\) e \(df_2\) graus de liberdade. A calculadora avalia essas funções numericamente, portanto não é necessária nenhuma tabela estatística.

Valor-p – Exemplo de Cálculo

Exemplo: um teste t para duas amostras produziu uma estatística de teste de \(t = 2.5\) com \(df = 20\), e a hipótese alternativa é bilateral (\(\neq\)).

\[ p = 2 \cdot P(T \ge 2.5) = 2 \times 0.0106 = 0.0213 \]

Resultado: o valor-p é 0,0213. Como \(0.0213 \le 0.05\), o resultado é estatisticamente significativo ao nível de \(\alpha = 0.05\) — rejeita-se \(H_0\).

Como Usar a Calculadora

Insira a sua Estatística de teste (o valor z, t, χ² ou F que você já calculou a partir dos seus dados).
Selecione a Distribuição que a estatística segue sob \(H_0\): Normal padrão (Z), t de Student, Qui-quadrado (χ²) ou distribuição F.
Escolha as Caudas que correspondem à sua hipótese alternativa: Bicaudal (≠), Unicaudal à direita (>) ou Unicaudal à esquerda (<).
Se você selecionou t ou χ², insira os Graus de liberdade (df). Se você selecionou a distribuição F, insira tanto o df do numerador (df₁) quanto o df do denominador (df₂); esses campos aparecem automaticamente.
Escolha o seu Nível de significância (α) — 0,05, 0,01 ou 0,10 — para que a calculadora possa indicar a conclusão do teste.
Leia o Valor-p, a Probabilidade da cauda na direção da sua estatística e os Detalhes e conclusão, que listam ambas as probabilidades das caudas e a decisão de rejeitar ou não rejeitar ao nível α.

O Que É um Valor-p?

O valor-p responde a uma pergunta específica: se a hipótese nula fosse verdadeira, qual é a probabilidade de obter uma estatística de teste pelo menos tão extrema quanto a observada? É uma probabilidade entre 0 e 1, não a probabilidade de a hipótese nula ser verdadeira ou falsa. Um valor-p pequeno significa que os dados observados seriam surpreendentes sob \(H_0\), o que constitui evidência contra a hipótese nula.

Os pesquisadores comparam o valor-p a um nível de significância \(\alpha\) escolhido previamente, geralmente 0,05. Se \(p \le \alpha\), o resultado é chamado de estatisticamente significativo e a convenção é rejeitar \(H_0\). Se \(p > \alpha\), você não rejeita \(H_0\). Note que não rejeitar não é o mesmo que provar que \(H_0\) é verdadeira — significa apenas que os dados não fornecem evidência suficiente contra ela.

O número de caudas importa. Um teste bicaudal detecta desvios em qualquer direção, portanto o valor-p inclui ambas as caudas extremas. Um teste unicaudal à direita é usado quando a alternativa afirma que um valor é maior do que o valor nulo (comum para testes χ² e F, que são naturalmente unicaudais à direita). Um teste unicaudal à esquerda aplica-se quando a alternativa afirma um valor menor. Escolher a cauda errada pode fazer com que um resultado real pareça não significativo, por isso as caudas devem corresponder à hipótese alternativa que você formulou antes de olhar os dados.

Para interpretar informalmente a força da evidência: \(p < 0.001\) é muito forte, \(p < 0.01\) é forte, \(p < 0.05\) é moderada e \(p < 0.10\) é fraca. Valores acima de 0,10 fornecem pouca evidência contra \(H_0\). Essas são convenções, não limiares com significado mágico.

Qual Distribuição Você Deve Escolher?

Normal padrão (Z) — testes de médias e proporções com amostras grandes quando a variância populacional é conhecida ou a amostra é suficientemente grande para o Teorema Central do Limite. Se você precisar primeiro da própria estatística, use a Calculadora de Escore-z.
t de Student — testes sobre médias com amostras pequenas ou variância populacional desconhecida; requer um valor de df, geralmente \(n - 1\) ou \(n_1 + n_2 - 2\).
Qui-quadrado (χ²) — testes de aderência (qualidade do ajuste) e testes de independência em tabelas de contingência; o df depende do número de categorias ou células. Esses testes são quase sempre unicaudais à direita.
Distribuição F — ANOVA e comparações de variâncias; requer o df do numerador \(df_1\) e o df do denominador \(df_2\). Também quase sempre unicaudal à direita.

Se você ainda não está na etapa de testes, nossa Calculadora de Distribuição Normal e a Calculadora de Intervalo de Confiança cobrem as tarefas relacionadas de probabilidade e estimação.

Premissas, Limitações e Dicas Práticas

A calculadora precisa de uma estatística já calculada. Ela não calcula z, t, χ² ou F a partir dos dados brutos — você deve fornecer a estatística do seu teste. Verifique o valor no seu software de estatística ou nas anotações do seu curso.
A estatística deve seguir a distribuição escolhida sob \(H_0\). Isso exige que as próprias premissas do teste sejam cumpridas: amostragem aleatória, normalidade aproximada ou amostras grandes para Z/t, contagens esperadas de pelo menos 5 nas células para χ² e homogeneidade de variâncias para a ANOVA padrão.
Defina α antes do teste. Escolher o nível de significância depois de ver o valor-p infla as taxas de falsos positivos. Se o seu nível de significância não estiver listado, compare manualmente o valor-p informado ao seu α.
Para χ² e F, use testes unicaudais à direita. Essas estatísticas são não negativas e seus testes são, por convenção, unilaterais; a opção bicaudal da calculadora dobra a cauda menor, o que raramente corresponde a uma hipótese real para essas distribuições.
Significância estatística não é importância prática. Com uma amostra suficientemente grande, diferenças minúsculas e sem sentido tornam-se significativas. Relate o tamanho de efeito e um intervalo de confiança junto com o valor-p, e certifique-se de que o tamanho da sua amostra foi planejado com sensatez — veja a Calculadora de Tamanho de Amostra.
Valores-p muito pequenos são exibidos em notação científica (por exemplo, 2.1e−05, significando \(2.1 \times 10^{-5}\)).

Perguntas frequentes

Como calcular um valor-p manualmente, sem calculadora?

Para um teste z, use a CDF normal padrão: para um teste unicaudal à direita, \(p = 1 - \Phi(z)\), e para um teste unicaudal à esquerda, \(p = \Phi(z)\). Os valores de \(\Phi(z)\) vêm de uma tabela da distribuição normal: procure o seu valor de z (arredondado para duas casas decimais), leia a probabilidade da tabela e tome o complemento para a cauda direita. Para os testes t, χ² e F, você precisaria das respectivas tabelas estatísticas, que é exatamente o que esta calculadora substitui ao calcular a CDF numericamente.

Qual é um valor-p bom ou normal?

Não existe um valor objetivamente "bom" — o valor-p depende dos seus dados e do tamanho da amostra. Por convenção, resultados com \(p \le 0.05\) são chamados de estatisticamente significativos, e \(p \le 0.01\) de altamente significativos. No entanto, esses limiares são convenções, não provas. Um valor-p pequeno indica evidência forte contra a hipótese nula, não que o seu achado seja grande ou importante. Sempre relate o tamanho de efeito e o intervalo de confiança junto com o valor-p.

O valor-p é a probabilidade de a hipótese nula ser verdadeira?

Não — esta é a interpretação equivocada mais comum. O valor-p é a probabilidade de observar uma estatística de teste pelo menos tão extrema quanto a sua, assumindo que a hipótese nula seja verdadeira. Um valor-p de 0,03 não significa que há 3% de chance de a hipótese nula estar correta. Ele também não pode dizer a probabilidade de a sua hipótese alternativa ser verdadeira; isso exigiria uma abordagem bayesiana.

Por que o meu valor-p é diferente do que aparece no SPSS, R ou Excel?

Verifique primeiro o número de caudas: o software pode informar por padrão um valor-p bicaudal, que é aproximadamente o dobro do valor unicaudal. Verifique também os graus de liberdade, pois testes como o teste t de Welch usam um df diferente da versão padrão com variâncias agrupadas. Por fim, o arredondamento da estatística de teste ou o uso de correções de continuidade em testes χ² podem deslocar ligeiramente o valor-p. Pequenas diferenças na terceira ou quarta casa decimal geralmente são apenas arredondamento.

Posso converter um valor-p bicaudal em unicaudal (ou vice-versa)?

Se a estatística de teste aponta na direção da sua alternativa unilateral, o valor-p unicaudal é a metade do valor bicaudal: \(p_{one} = p_{two}/2\). Se ela aponta na direção oposta, o valor-p unicaudal excede 0,5 e o resultado não pode ser significativo. É importante decidir o número de caudas antes de realizar o teste — mudar depois apenas para alcançar significância infla a taxa de falsos positivos e é considerado p-hacking.

E se a minha estatística de teste for negativa?