O teste Z e o valor P são, embora dois testes estatísticos, mas são duas coisas distintas em que o primeiro é um teste estatístico que lança luz sobre se se deve rejeitar a hipótese nula ou não, enquanto o último é um teste de probabilidade, significando que há um probabilidade de que a hipótese nula seja rejeitada.
Teste Z vs Valor P
A diferença entre o Z-Test e o P-Value é que o Z-Test fala sobre se a hipótese nula deve ser rejeitada ou não, mas, ao contrário, o P-Value lança luz sobre as observações que foram feitas durante o experimento se eles são iguais ou extremos quando a hipótese nula é verdadeira.
Um teste Z em estatística é uma ferramenta usada para determinar se duas médias populacionais variam, mesmo quando as variáveis são conhecidas. É um tipo de teste de hipótese sob a hipótese nula e pode ser aproximado por uma distribuição normal.
Um teste de hipótese em estatísticas é uma maneira de descobrir se os resultados de uma pesquisa ou experimento são significativos ou não.
Enquanto que, um P-Value ou valor de probabilidade, em hipótese estatística, é a probabilidade de se obter os resultados do teste / experimento observados durante o teste ou experimento com a suposição de que a hipótese nula está correta.
Uma hipótese nula é uma declaração geral afirmando que não há relacionamento entre os dois grupos medidos.
Tabela de comparação entre o teste Z e o valor P (na forma tabular)
| Parâmetros de comparação | P-Value | Z-Test |
|---|---|---|
| Significado | P-Value é a probabilidade de as observações permanecerem iguais ou extremas, se a hipótese nula for verdadeira. | O teste Z descreve o desvio da média em unidades de desvio padrão. |
| Suposições | O P-Value é o teste realizado com uma suposição de que a hipótese nula é verdadeira. | No caso do Z-Test, ele não faz tais suposições. |
| Objetivo | O objetivo desse teste é saber se a hipótese nula deve ser aceita ou não. | O objetivo deste teste é verificar se as observações permanecem as mesmas ou não se a hipótese nula é verdadeira. |
| Indicação do teste | O valor P indica quão improvável é a estatística. | Considerando que o Z-Test indica a que distância está a média. |
O que é o Z-Test?
Um teste Z em estatística é uma ferramenta usada para determinar se duas médias populacionais variam, mesmo quando as variáveis são conhecidas. Além disso, o tamanho da amostra é grande. É um tipo de teste de hipótese sob a hipótese nula e pode ser aproximado por uma distribuição normal.
É utilizado para verificar se a hipótese nula deve ser rejeitada ou não. Os escores Z são as medidas do desvio padrão, por exemplo, +1,95 ou -1,95 denota o quanto o resultado da estatística do teste se desviou da média.
Existem algumas suposições feitas no teste Z de uma amostra:
O que é P-Value?
P-Value é a probabilidade de o resultado da estatística do teste ser rejeitado ou aceito com uma suposição de que a hipótese nula está correta. O experimento define o nível de significância e quando o valor p é menor que o nível significativo, a hipótese nula será rejeitada.
Para descobrir o valor p em uma estatística:
Principais diferenças entre o teste Z e o valor P
Significado
O P-Value é a probabilidade de obter um resultado estatístico de teste pelo menos igual ou tão extremo como um resultado que foi observado no experimento com uma suposição de que a hipótese nula é verdadeira.
Já o Z-Test é o teste usado para determinar se a média de uma população é maior, menor ou igual a um valor específico. Como ele usa a distribuição normal padrão, esse teste é geralmente conhecido como Teste Z de uma amostra. Ele assume que o desvio padrão da população é conhecido.
Hipótese Nula
No caso do P-Value, a hipótese nula é assumida como verdadeira, com base na qual o resultado da estatística do teste que é observado no experimento é verificado para ver se o resultado é o mesmo ou extremo como foi observado antes. Por outro lado, o Z-Test é utilizado para verificar se a hipótese nula deve ser rejeitada ou não.
Hipótese alternativa
No P-Value, a hipótese alternativa é a afirmação crucial que o experimentador gostaria de concluir no teste experimental se os dados o permitirem. Considerando que, no Z-Test, a hipótese alternativa desempenha um papel importante junto com a hipótese nula, alfa e o Z-score. A hipótese alternativa é a hipótese oposta, é uma afirmação de uma diferença na população. É a hipótese que o experimentador espera provar.
Limitações
No caso de P-Value, o p-value pode não estar correto se o tamanho da amostra for pequeno. Além disso, o valor p tem uma tendência de ser concluído como significativo ou não significativo com base no fator de que o valor p é menor ou igual a 0,5, o que não é o caso com o teste Z, no entanto, existem alguns limitações do uso do Z-Test.
A primeira delas é que o tamanho da amostra pode variar de um pequeno número a várias centenas. Se os dados forem discretos com pelo menos cinco valores exclusivos, então pode-se ignorar a suposição de variável contínua. Talvez a maior restrição seja que os dados devem ser aleatórios, caso contrário, os níveis de significância podem estar incorretos.
Resultados
Se o valor p for muito pequeno em comparação com o valor limite que foi escolhido anteriormente conhecido como o nível significativo (comumente 5% ou 1%), isso sugere que os dados observados são inconsistentes com a suposição de que a hipótese nula é verdadeira e assim, a hipótese deve ser rejeitada e a hipótese alternativa aceita.
Por exemplo:
Considerando que, no Z-Test, para dar um exemplo: Os valores críticos do Z-Score ao usar um nível de confiança de 95%, -1,96 e +1,96 desvios padrão. O valor p associado a um nível de confiança de 95% é 0,05. Se sua pontuação Z estiver entre -1,96 e +1,96, seu valor p será maior que 0,05 e você não pode rejeitar sua hipótese nula.
Se a pontuação Z ficar fora desse intervalo (por exemplo -2,5 ou +5,4), o padrão exibido é provavelmente muito incomum para ser apenas outra versão do acaso aleatório e o valor p será pequeno para refletir isso. Nesse caso, é possível rejeitar a hipótese.
Uma ideia chave aqui é que os valores no meio da distribuição normal (pontuações Z como 0,19 ou -1,2, por exemplo) representam o resultado esperado
Conclusão
P-Value e o Z-Test são dois testes estatísticos com objetivos diferentes. O P-Value gira em torno da probabilidade de observações ou resultados do experimento serem iguais ou extremos se a hipótese nula for verdadeira.
Por outro lado, o Z-Test significa a validade das observações feitas durante o experimento. É usado apenas quando o tamanho da amostra é maior que 30 como no caso da população, é por causa do teorema central que é usado durante este teste, conforme o número de amostras aumenta, as amostras são consideradas distribuídas normalmente e o os dados são selecionados aleatoriamente.
O valor P é afetado pelo tamanho da amostra, bem como pela hipótese nula. Quanto maior o tamanho da amostra, menores são os P-Values, enquanto o Z-Test é afetado pela hipótese nula, hipótese alternativa, alfa e Z-Score.
