ETFFIN Finance >> Corso di Finanza Personale >  >> Gestione Finanziaria >> Finanze

P-Value Spiegato: Significatività e Test d'Ipotesi

Cos'è il P-Value?

In statistica, il p-value rappresenta la probabilità di ottenere risultati almeno tanto estremi quanto quelli osservati in un test d'ipotesi statistico, assumendo che l'ipotesi nulla sia corretta. Il p-value viene utilizzato come alternativa ai punti di rifiuto per fornire il più basso livello di significatività al quale l'ipotesi nulla verrebbe respinta. Un p-value più piccolo indica prove più a favore dell'ipotesi alternativa.

Punti Chiave

  • Il p-value misura la probabilità che una differenza osservata sia dovuta al caso.
  • Più basso è il p-value, maggiore è la significatività statistica della differenza osservata.
  • Il p-value può essere usato come alternativa o in aggiunta a livelli di confidenza pre-selezionati per i test d'ipotesi.

Come si Calcola il P-Value?

I p-value si trovano solitamente tramite tabelle, fogli di calcolo o software statistico. I calcoli si basano sulla distribuzione di probabilità assunta o nota della statistica specifica in esame. Il p-value deriva dallo scarto tra il valore osservato e un valore di riferimento, data la distribuzione di probabilità: una maggiore differenza corrisponde a un p-value più basso.

Matematicamente, il p-value si calcola con il calcolo integrale dall'area sotto la curva di distribuzione per tutti i valori statistici almeno tanto distanti dal riferimento quanto il valore osservato, rispetto all'area totale. In sintesi: maggiore la differenza tra due valori osservati, minore la probabilità che sia dovuta al caso, riflessa in un p-value più basso.

L'Approccio del P-Value ai Test d'Ipotesi

L'approccio basato sul p-value usa la probabilità calcolata per decidere se respingere l'ipotesi nulla. L'ipotesi nulla (congettura) è l'affermazione iniziale su una popolazione. L'ipotesi alternativa sostiene che il parametro differisca dal valore ipotizzato.

In pratica, il livello di significatività viene fissato in anticipo per determinare quanto deve essere piccolo il p-value per respingere l'ipotesi nulla. Poiché ricercatori diversi usano livelli diversi, confrontare risultati può essere difficile. Il p-value risolve questo problema.

Esempio: due ricercatori analizzano gli stessi dati su rendimenti di due asset con livelli di confidenza diversi (90% vs 95%). Se il p-value è 0,08 (livello di confidenza 92%), il primo troverà significatività statistica, il secondo no. Riportare il p-value permette al lettore di interpretare da sé la significatività: questo è l'approccio p-value.

Esempio di P-Value

Un investitore sostiene che il suo portafoglio renda come l'indice S&P 500. Per verificarlo, esegue un test bilatero. L'ipotesi nulla: i rendimenti sono equivalenti; l'alternativa: non lo sono (in un test unilaterale, l'alternativa sarebbe "minore" o "maggiore").

Il test basato sul p-value non richiede un livello di confidenza predefinito per respingere l'ipotesi nulla, ma fornisce una misura della forza delle prove contro di essa. Più basso il p-value, più forti le prove. Se l'investitore trova p-value = 0,001, vi sono forti prove contro l'ipotesi nulla: i rendimenti non sono equivalenti.

Questo non dà una soglia esatta di accettazione/rifiuto, ma offre un vantaggio pratico: confrontare direttamente la confidenza relativa tra diverse opzioni d'investimento rispetto a un benchmark come l'S&P 500.

Esempio: due portafogli A e B con p-value 0,10 e 0,01 rispetto all'S&P 500. L'investitore può essere molto più fiducioso che il portafoglio B (p-value più basso) mostri risultati costantemente diversi.