Significância estatística

Por Jarosław Wasiński (EN) • Publicado em: 23 out 2026

Um resultado de teste que indica que os dados cumprem um critério de rejeição de uma hipótese nula especificada, segundo o modelo pressuposto. Um valor-p é a probabilidade, sob essa hipótese e modelo, de um resultado pelo menos tão extremo; não é a probabilidade de uma vantagem ser real ou de o acaso ter causado o resultado. Significância estatística difere de uma vantagem útil após custos. A dimensão da amostra, a dependência, os testes múltiplos e a seleção fora da amostra afetam a interpretação; nenhum número universal de operações demonstra uma vantagem.

Exemplo. Para 20 testes independentes de hipóteses nulas verdadeiras com α = 0.05, o número esperado de rejeições falsas é 20 × 0.05 = 1, não uma garantia de exatamente uma. A probabilidade de pelo menos uma é 1−0.95²⁰ ≈ 64.15%. Esta fórmula não se aplica a testes dependentes sem pressupostos adicionais.

Compreender o conceito

Indique a hipótese, a estatística, os pressupostos, o limiar de decisão e a estimativa do efeito com incerteza. Mais observações podem melhorar a precisão se forem informativas, mas a dependência reduz a informação efetiva. Uma pequena esperança matemática positiva pode exigir muito mais evidência do que um efeito maior, e os resultados têm de incluir custos de negociação plausíveis.

Dimensão da amostra e vantagem económica

Trinta vitórias em 50 ensaios independentes estimam uma taxa de acerto de 60%; num modelo binomial, o intervalo de Wilson de 95% é aproximadamente 46.2–72.4%. A seleção, as operações dependentes e os regimes variáveis podem tornar esse modelo simples inadequado. A taxa de acerto, por si só, não descreve a esperança matemática: a dimensão dos ganhos e perdas e os custos também são relevantes.

Especifique um efeito economicamente significativo, um plano de validação fora da amostra e o controlo dos testes múltiplos antes de selecionar a melhor variante. A significância não substitui verificações de robustez e controlos de risco.

Erro frequente

Não leia p = 0.03 como uma probabilidade de 97% de negociação lucrativa. Um backtest significativo também não supera seleção repetida de modelos, fuga de informação ou uma mudança de regime.

Aprendizagem adicional

No curso: 15.10 Auditoria de estratégia — Quando corrigir o sistema, quando se corrigir a si próprio; 15.4 Backtesting e testes prospetivos — métodos, evidência e armadilhas. Fontes: American Statistical Association: declaração sobre valores-p.

Perguntas frequentes

100 operações fora da amostra são suficientes?

Não existe um limiar universal. A informação necessária depende da dimensão do efeito, da variabilidade, da dependência, da conceção da investigação e da precisão exigida.

Um resultado não significativo prova que não existe efeito?

Não. Informação limitada ou dispersão elevada podem impedir a rejeição. Apresente a estimativa e a incerteza, em vez de tratar a não rejeição como prova de efeito nulo.

← Voltar ao glossário completo