Questa voce o sezione sull'argomento statistica non cita le fonti necessarie o quelle presenti sono insufficienti.

---

Puoi migliorare questa voce aggiungendo citazioni da fonti attendibili secondo le linee guida sull'uso delle fonti. Segui i suggerimenti del progetto di riferimento.

Questa voce o sezione sull'argomento statistica è ritenuta da controllare.

Motivo: Voce poco chiara

---

Partecipa alla discussione e/o correggi la voce. Segui i suggerimenti del progetto di riferimento.

In statistica inferenziale, in particolare nei test di verifica d'ipotesi, il valore p, o p-dei-dati^[1] (dall'inglese p-value),^[2] o anche livello di significatività osservato,^[3] è la probabilità, per una ipotesi supposta vera (detta ipotesi nulla), di ottenere risultati ugualmente o meno compatibili di quelli osservati durante il test, con la suddetta ipotesi.^[4][5] In altri termini, il valore p aiuta a capire se la differenza tra il risultato osservato e quello ipotizzato è dovuta alla casualità introdotta dal campionamento, oppure se tale differenza è statisticamente significativa, cioè difficilmente spiegabile mediante la casualità dovuta al campionamento. L'utilizzo del valore p nei test di ipotesi è comune in molti campi di ricerca^[6] come fisica, economia, finanza, scienze politiche, psicologia,^[7] biologia, criminologia e sociologia.^[8]

Lo stesso argomento in dettaglio: Livello di significatività.

Quando si effettua un test d'ipotesi si fissa un'ipotesi nulla e un valore soglia α (per convenzione di solito 0,05) che indica il livello di significatività del test. Calcolato il p-value relativo ai dati osservati è possibile comportarsi come segue:

• se valore p > α l'evidenza empirica non è sufficientemente contraria all'ipotesi nulla che quindi non può essere rifiutata;
• se valore p ≤ α l'evidenza empirica è fortemente contraria all'ipotesi nulla che quindi va rifiutata. In tal caso si dice che i dati osservati sono statisticamente significativi.

Tuttavia se valore p ≈ α, cioè è vicino al valore soglia, è necessaria attenzione. Il valore p viene utilizzato per fornire maggiori informazioni su un test rispetto all'accettazione o al rifiuto per un certo livello di significatività. Per questo le analisi statistiche devono sempre riportare il valore del p-value osservato permettendo ai lettori di trarre le proprie conclusioni.

Per condurre un test statistico è importante fissare il livello di significatività (indicato di solito con la lettera greca α, alfa) prima di calcolare il valore p. Se il valore p venisse calcolato per primo, lo sperimentatore saprebbe quali valori per quel livello di significatività conducono ad accettare o rigettare l'ipotesi nulla, e potrebbe scegliere il livello in funzione del risultato desiderato.

Sia ${\displaystyle H}$ l'ipotesi che il valore ${\displaystyle x}$ dei dati osservati sia estratto da una certa variabile aleatoria ${\displaystyle X}$ nota. Il p-value è definito come la probabilità, supposta l'ipotesi ${\displaystyle H}$, di ottenere un risultato (dai dati osservati) uguale o "più estremo" di quello effettivamente osservato. Cosa si intende con "più estremo" precisamente, dipende dal tipo di test che si intende effettuare. Se il test è bilaterale allora i risultati più estremi sono i valori di ${\displaystyle X}$ per cui ${\displaystyle \{X\leq x\}}$ oppure ${\displaystyle \{X\geq x\}}$. Se il test è unilaterale destro allora i risultati più estremi sono i valori di ${\displaystyle X}$ per cui ${\displaystyle \{X\geq x\}}$. Se il test è unilaterale sinistro allora i risultati più estremi sono i valori di ${\displaystyle X}$ per cui ${\displaystyle \{X\leq x\}}$. Quindi il p-value è dato da:

• ${\displaystyle Pr(X\geq x\mid H)}$ per test unilaterali destri;
• ${\displaystyle Pr(X\leq x\mid H)}$ per test unilaterali sinistri;
• ${\displaystyle 2\min\{Pr(X\leq x\mid H),Pr(X\geq x\mid H)\}}$ per test bilaterali.

Più il valore del p-value è piccolo, più è grande la significatività poiché il risultato ci dice che l'ipotesi ${\displaystyle H}$ considerata non spiega adeguatamente i dati osservati, cioè è poco credibile che il valore osservato sia stato effettivamente estratto dalla variabile aleatoria ${\displaystyle X}$.

Sia, ad esempio, 0,03 il valore p di un test. Il test condotto con un livello di significatività di 0,05 induce allora a rifiutare l'ipotesi nulla, mentre lo stesso test condotto con un rischio di errore di 0,02 induce a non rifiutare l'ipotesi nulla. La conclusione "il valore p è 0,03" contiene più informazioni delle sole "ipotesi rifiutata con significatività 0,05" o "non rifiutata con significatività 0,02".

Ci sono diversi errori comuni riguardanti l'uso del p-value.

• Il p-value non è la probabilità che l'ipotesi nulla sia vera o la probabilità che l'ipotesi nulla sia falsa. Non è connesso con nessuna delle due.
• Il p-value non è la probabilità che un'osservazione sia un caso. Il calcolo del p-value è basato sull'ipotesi che ogni osservazione è un caso, un risultato aleatorio. Con la frase "il risultato è dovuto al caso" si intende di solito che l'ipotesi nulla è probabilmente corretta, ma ricordiamo che il p-value non può essere usato per rappresentare la probabilità che un'ipotesi sia vera.
• Il p-value non è la probabilità di rifiutare l'ipotesi nulla quando questa è vera.
• Il p-value non è la probabilità che replicando l'esperimento si otterrebbe la stessa conclusione. Per quantificare la replicabilità di un esperimento è stato introdotto il concetto di p-rep.
• Il livello di significatività α non è determinato dal p-value. Il livello di significatività è deciso dalla persona che conduce l'esperimento prima di vedere i dati.

• Sheldon M. Ross, Probabilità e statistica : per l'ingegneria e le scienze, a cura di Francesco Morandin, 3. ed, Maggioli, 2015, ISBN 978-88-916-0994-6, OCLC 918982377.

• Test di verifica d'ipotesi
• Statistica inferenziale

• Wikimedia Commons contiene immagini o altri file sul valore p

• (EN) p-value, su Enciclopedia Britannica, Encyclopædia Britannica, Inc.
• (EN) Eric W. Weisstein, Valore p, su MathWorld, Wolfram Research.

V · D · M Statistica
Teoria statistica	Statistica descrittiva Media (aritmetica · geometrica · armonica · di potenza · aritmetico-geometrica · integrale) · Mediana · Moda · Intervallo di variazione · Varianza · Deviazione standard · Scarto medio assoluto · Simmetria · Differenza media (assoluta · logaritmica) · Curtosi Inferenza statistica Test di verifica d'ipotesi · Significatività · Ipotesi nulla/alternativa · Errore del I e del II tipo · Test Q · Test U · Test t · Test Z · Massima verosimiglianza · Standardizzazione · Valore p · Analisi della varianza Analisi di sopravvivenza Tasso di guasto · Stimatore di Kaplan-Meier · Test dei ranghi logaritmici Analisi della regressione Regressione lineare · Regressione nonlineare · Variabili strumentali · Metodo generalizzato dei momenti · Regressione logistica · Modello probit · Modello logit
Statistica economica	Istituti statistici ISTAT · EuroSTAT · Royal Statistical Society · U.S. Census Bureau · ISI · INSEE Siti web statistici Our World in Data · Statista · Bloomberg Terminal · Google Public Data Explorer · World Inequality Database · TradingEconomics · ACLED Software econometrici gretl · EViews

Portale Matematica

Portale Scienza e tecnica

Portale Statistica