'Um valor de p calcula a probabilidade de um conjunto de dados se a hipótese nula for verdadeira: P(F|H0). As pessoas supõem que existe uma alta correlação entre a probabilidade das descobertas dadas a hipótese nula e o inverso: a probabilidade da hipótese dada as descobertas: P(H0|F). Este artigo de 2009 de David Trafimow e Stephen Rice é o primeiro a testar se esta suposição é realmente verdadeira. Suas descobertas sugerem que a correlação é "pouco impressionante" e não oferece nenhuma justificação para o uso de valores de p. O procedimento de teste de significância da hipótese nula (NHSTP) tem gerado muita controvérsia nos últimos anos. Este procedimento amplamente utilizado envolve: Definir uma hipótese nula e uma hipótese alternativa. Coletar dados para testar estas hipóteses. Calcular um valor de p. Um valor de p é a probabilidade dos dados observados, ou algo mais extremo, se a hipótese nula for verdadeira. Um valor baixo (menos de 0,05) convencionalmente significa que um pesquisador pode rejeitar a hipótese nula em favor da hipótese alternativa. O argumento mais forte contra o valor de p é que ele é logicamente inválido. Se uma descoberta rara foi obtida sob a suposição de que a hipótese nula é verdadeira, isso não prova conclusivamente que a hipótese nula é falsa. Em outras palavras, um pequeno valor de p, P(F|H0), não implica uma pequena probabilidade da hipótese dada as descobertas, P(H0|F). Para obter isso, P(H0|F), é preciso conhecer a probabilidade anterior da hipótese. Isso envolve o uso do teorema de Bayes. Rejeitar uma hipótese nula com base em um pequeno valor de p requer uma suposição adicional: que há uma correlação entre a probabilidade dos dados dada a hipótese nula e a probabilidade da hipótese nula dada os dados. Os autores se propuseram a testar se há uma forte correlação aqui ou não. Para executar este teste, os autores precisaram conhecer três valores-chave: a probabilidade dos dados se a hipótese nula for verdadeira, P(F|H0), a probabilidade anterior da hipótese, P(H0), e a probabilidade dos dados se a hipótese nula não for verdadeira, P(H0|F). O primeiro deles é simplesmente o valor de p e pode ser determinado diretamente a partir do experimento. O segundo é mais complicado. Na maioria dos casos, os pesquisadores têm que fazer suposições subjetivas para determinar uma probabilidade anterior. E no terceiro, existem quase infinitas maneiras de uma hipótese poder ser falsa. No entanto, os autores conseguiram modelar os efeitos de fazer várias suposições e ver como eles afetam os resultados. Eles calcularam todos os três valores-chave para 65.000 conjuntos de dados gerados aleatoriamente. A análise encontrou uma correlação muito fraca (r = .410) entre a probabilidade dos dados dada a hipótese nula, P(F|H0), e a probabilidade da hipótese nula dada os dados, P(H0|F). O limiar de probabilidade para esta análise foi fixado em .05 para cada valor. O resultado desta análise é que o valor de p não contabiliza a maior parte (84%) da variância na probabilidade da hipótese nula dada os dados, P(H0|F). Portanto, a suposta correlação entre o valor de p e P(H0|F) não é uma "justificação convincente para o uso rotineiro de valores de p na pesquisa em ciências sociais". Eles consideram algumas sugestões diferentes. Uma delas é substituir os valores de p por um cálculo da probabilidade de replicação, prep. Isso calcula a probabilidade de que um segundo experimento com condições idênticas ao primeiro encontrará resultados indo na mesma direção que o primeiro experimento. Os autores criticam o prep porque ele não considera as distribuições de probabilidade anteriores. E eles fizeram uma análise do prep similar à análise acima dos valores de p e os resultados foram decepcionantes. Não está claro se este teste até mesmo mede a probabilidade de uma replicação. Outra alternativa aos valores de p é o teorema de Bayes. Isso daria aos psicólogos o que eles estão procurando: a probabilidade da hipótese nula dada suas descobertas, P(H0|F). No entanto, os autores veem três problemas potenciais: (1) não há uma maneira acordada de determinar a probabilidade anterior da hipótese nula, P(H0); (2) não está claro como determinar a probabilidade da descoberta dada a hipótese nula não é verdadeira, P(F|~H0), já que uma hipótese pode ser falsa de quase infinitas maneiras; (3) o teorema de Bayes interpreta a probabilidade como um grau de crença racional e não como uma frequência esperada. Isso resulta em uma variedade de complicações não resolvidas. Um dos autores deste artigo, Trafimow propôs um método alternativo baseado em razões epistêmicas. Ele é descrito brevemente neste artigo. Ele tem um "sabor bayesiano", mas é compatível com as interpretações frequentistas de probabilidade. Envolve a comparação de duas hipóteses concorrentes. Determinar a probabilidade das descobertas dadas qualquer uma das hipóteses concorrentes é facilmente determinado. A razão epistêmica das hipóteses pode então ser comparada para ajudar um pesquisador a decidir qual hipótese é''mais favorável. Suas desvantagens são que exige que os pesquisadores elaborem várias hipóteses e não calcula a probabilidade de qualquer hipótese dada as descobertas. Os autores concluem que muitas análises anteriores do NHSTP não chegaram ao cerne da questão. Os proponentes muitas vezes afirmaram uma correlação entre a probabilidade dos dados dada a hipótese nula, o p value, e a probabilidade da hipótese nula dada os dados, P(H0|F). Mas nunca forneceram qualquer evidência de que a correlação realmente exista. Este artigo submeteu a esperada correlação ao teste e ela falhou.'

'Os p values são utilizados por cientistas para testar suas hipóteses, que são ideias sobre como algo no mundo pode funcionar. Um p value mede quão prováveis são os resultados de um experimento se a hipótese nula for verdadeira. A hipótese nula significa que tudo que você fez no seu experimento não teve efeito. Um p value baixo significa que o resultado de um experimento foi improvável se a hipótese nula for verdadeira. Muitas pessoas presumem que um p value baixo também significa que a hipótese nula é falsa. Mas ninguém realmente testou se isso era verdade ou não até agora. Os autores deste artigo fizeram o teste e descobriram que os p values e a probabilidade da hipótese nula não estão intimamente relacionados. Encontrar um p value pequeno não significa que a hipótese nula está errada. Os autores também consideraram algumas alternativas para o p value: Descobrir quão provável é um experimento mostrar o mesmo resultado se você o fizer novamente Usando algo chamado Teorema de Bayes que descobre a probabilidade de uma hipótese nula. Isso envolve descobrir quão provável era a hipótese nula antes do experimento. Outro método onde você compara duas hipóteses diferentes para ver qual explica os resultados de um experimento melhor Cada um desses métodos é bom de alguma maneira, mas tem algumas desvantagens também. Os autores deste artigo argumentam que não há uma boa razão para usar p values. Eles demonstraram que um dos melhores motivos para usar p values estava realmente errado.'

'Os valores p são comumente usados ​​na pesquisa para testar hipóteses, que são previsões sobre como algo funciona. Um valor p mede quão prováveis ​​são os resultados do seu experimento se não houver efeito do seu experimento (a hipótese nula é verdadeira). Muitos assumem que um valor p baixo também significa que a hipótese nula tem pouca probabilidade de ser verdadeira. Mas essa suposição realmente não foi testada. Este artigo testou essa suposição. Eles descobriram que a correlação entre os valores p e a probabilidade de a hipótese nula ser verdadeira é realmente bastante fraca. Portanto, os valores p não nos dizem tanto sobre a probabilidade da hipótese nula quanto as pessoas assumem. Os autores consideraram algumas alternativas aos valores p: Calculando a probabilidade de um experimento se repetir Usando o teorema de Bayes para calcular diretamente a probabilidade de a hipótese nula ser verdadeira, o que envolve avaliar quão provável era a hipótese nula antes do experimento Comparando hipóteses usando "razões epistêmicas" Há pontos a favor de cada uma dessas ideias, mas também desvantagens. Os autores argumentam que o uso rotineiro de valores p na pesquisa não é bem justificado. Este artigo invalidou um argumento importante a favor dos valores p, que é que um valor p implica conhecimento sobre a verdade de uma hipótese nula. Homeschool: Título: Compreendendo e Solucionando Códigos de Erro HTTP: Um Módulo de Aprendizado Doméstico Objetivo: Equipar os pais com conhecimento sobre a solução de problemas da internet, especificamente sobre Códigos de Erro HTTP, para apoiar o homeschooling de seus filhos. Ferramentas necessárias: Dispositivo com internet (computador / laptop / tablet), Materiais e recursos online, Ferramentas de simulação (opcional) Guia do Currículo: Semana 1: Introdução e Fundamentos da Navegação na Internet - Compreendendo a World Wide Web - Como funcionam os mecanismos de busca - Compreendendo URLs Semana 2: Introdução ao HTTP - O que é HTTP? - O papel do HTTP na navegação na Internet - Métodos comuns de HTTP Semana 3: Compreendendo Códigos de Status HTTP - O que são Códigos de Status HTTP? - Classes de Códigos de Status HTTP - Códigos de Status HTTP Comuns e seus Significados Semana 4: Mergulho Profundo no Erro HTTP 403: Proibido - Explicando o Código de Erro HTTP 403: Proibido - Causas dos Erros HTTP 403 - Como Resolver Erros 403 do Lado do Servidor - Atividade prática: Identificando e Reagindo ao erro 403 Semana 5: Guia de Solução de Problemas para Erros HTTP - Dicas Gerais de Solução de Problemas para Erros HTTP - Soluções Específicas para Erros HTTP 403 - Como Pedir Ajuda ao Enfrentar Erros na Internet - Atividade Final: Criando um Guia de Solução de Problemas O guia curricular acima está sujeito a ajustes, já que os pais podem ter diferentes níveis de conhecimento prévio e familiaridade com tecnologia. O ritmo das lições também pode ser adaptado dependendo da retenção e compreensão do aluno. Recursos também estão livremente disponíveis em uma variedade de plataformas online que cobrem tanto a teoria quanto os elementos práticos de lidar com erros HTTP. Em última análise, o objetivo é capacitar os pais com a capacidade de solucionar erros básicos da internet que seus filhos possam enfrentar durante o homeschooling.'