Popularizando o valor de p

Por Marcelo Rivas Fernandes

O valor de p ou p-value como conhecido estatisticamente um indicador que serve de base para a
validao tcnica de melhorias no processo para uma correta tomada de deciso em um teste de hiptese

Quando ingressei no Seis Sigma, h cerca de oito anoss, comecei a compreender o mundo atravs de uma
nova viso. Passei a entender que tudo que existe ao redor de ns mesmos dotado de uma ao
construtiva, seja ela materializada pela finalizao de um produto ou abstracionista atravs da elaborao
de um servio.
Observei que tudo que natural segue a lgica da espontaneidade administrada pela lei maior, a Lei de
Deus. Neste mbito, observo o ciclo natural do tempo tal como, as estaes do ano, a rotao e translao
da Terra, a aurora e a alvorada de cada dia, as fases da lua, o movimento das mars e outras
surpreendentes aes da natureza, cujo objetivo maior satisfazer e servir ao homem invariavelmente.
Por outro lado, o homem estudou todas essas aes e chegou a concluso de que elas so divididas em
etapas que se repetem ao longo do tempo. Em seguida ele analisou essas etapas para ter a noo da
formao dos ciclos descobrindo a medio do tempo em segundos, minutos, horas, dias, semanas, meses,
anos, etc...e do movimento em metros, quilmetros, milhas, etc.
Com base nessa argumentao, o homem passou a desenvolver um raciocnio dedutvel e probabilstico
dos acontecimentos institudo pelo poder da predio. A lgica de um fluxo passou a fazer parte do que
natural, normal e previsvel tornando perceptvel para a sensibilidade humana qualquer alterao ou
anomalia de um resultado inesperado. Neste contexto, a metodologia Lean Seis Sigma atua fortemente
atravs da Estatstica ensinando com os nmeros a melhor forma de evitar os desperdcios e reduzir a
variao dos processos empresariais.
Na edio N 06 da Revista Excelncia Six Sigma dos meses de Janeiro/Fevereiro 2008 escrevi uma
matria a respeito do poder da ANOVA e da Igualdade de Varincia utilizando um exemplo de envasamento
de garrafas de cervejas de 600ml para analisar a variabilidade dos fatores (operadores, mquinas e turnos)
que estavam desestabilizando o processo e tornando os clientes insatisfeitos pelo fato do produto no
conter os 600ml citados no rtulo da garrafa. Vamos utilizar este mesmo exemplo para demonstrar a
importncia da utilizao de um indicador chamado valor de p (p-value) nas tomadas de decises citadas na
minha matria da edio de N06.
Considerando que uma das necessidades do cliente (CTS) adquirir a cerveja contendo 600ml (Y) torna-se
perfeitamente natural que os fatores (Xs) influenciadores no envasamento estejam ajustados para atingir
este objetivo. Com isso, a maioria das garrafas contero volumes muito prximos da mdia (alvo = 600ml)
exigido pelo cliente. Qualquer envasamento que possua um volume distante para mais ou para menos da
mdia de 600ml ser considerado uma variao de causa especial ou inesperada ocorrida pela
desestabilizao de um ou mais fatores na entrada do processo.
Mas o quanto representa este volume distante da mdia de 600ml? Para responder esta pergunta
utilizaremos uma representao grfica (figura N1) chamada de curva gaussiana (Figura 1).

Y
(eventos)

600ml
Alvo

Variaes

inesperadas

X (nveis)

Figura 1

O eixo de y representa a quantidade de eventos ocorridos em cada nvel de envasamento e o eixo de x

representa os nveis de envasamentos das garrafas cujo pico da curva ser a maioria dos envasamentos
prximos ao nvel alvo de 600ml (uma variao esperada). As extremidades da esquerda e da direita da
curva representam a minoria dos envasamentos mais distantes do alvo ocasionada por uma variao
inesperada no processo (defeito) . Logo, quanto mais distante estivermos do alvo, mais desajustado estar
o processo a ponto de ultrapassar o nvel de satisfao do cliente.
Por outro lado, suponha que voc acredite que seu processo possa envasar 90% das garrafas com nvel
prximo ao alvo de 600ml. O que ir representar os 10% restantes? biviamente, um risco de atribuirmos
uma anomalia quando ela poder no existir (tambm conhecido como risco do produtor). Estatisticamente,
chamamos o crdito dado ao que imaginamos que seja esperado no processo de Intervalo de Confiana
(IC), assim como chamamos de risco alfa ( ) a parcela restante que acreditamos corresponder a um erro
sem termos esta certeza. A figura 2 nos mostra uma distribuio bilateral, onde cada metade da curva divide
45% de IC e 5% de risco alfa.

Figura 2

()
5%

()
5%
IC 90%
45

45

Ao medirmos o nvel de cada garrafa formado por uma amostra representativa e aleatria contendo 100
observaes, por exemplo, poderemos comparar a mdia ou desvio padro do processo com o que

acreditamos no que ele possa ser atravs do intervalo de confiana e risco alfa citado acima. Este estudo
comparativo base para uma tomada de deciso para a melhoria do processo e utiliza ferramentas
estatsticas chamadas de testes de hiptese.
O resultado de um teste de hiptese executado no minitab exibe um indicador chamado de p-value. Este
indicador nos revela o quanto a mdia e/ou o desvio padro das observaes podero estar distante em
relao ao alvo (600ml). Se o valor de p for maior do que o risco alfa (no nosso exemplo: 5% = 0,05) iremos
dizer que esta mdia e/ou desvio padro NO estaro to distantes do alvo e que NO existem evidncias
suficientes para constatar uma anomalia, pois o processo roda conforme o esperado dentro do intervalo de
confiana (IC 90%). A este resultado chamamos estatisticamente de Validao da Hiptese Nula (H0).
(Figura 3)

()
5%

()
5%
IC 90%

Figura 3

45

45

Entretanto, se o valor de p for menor do que o risco alfa diremos que a mdia e/ou o desvio padro deste
processo estaro to distantes do alvo a ponto de ultrapassar alm de toda a rea do intervalo de confiana
(IC90%), toda a rea de incerteza do risco alfa para cair na rea de certeza do defeito, ou seja, existem
envasamentos to distantes do alvo de 600ml que comprovam a desestabilizao do processo. Neste caso
iremos inferir que EXISTEM evidncias suficientes para constatar uma anomalia fazendo com que o
processo no corresponda ao comportamento esperado. A este resultado chamamos estatisticamente de
Validao da Hiptese Alternativa (Ha). Observem na figura 4.
.

()
5%

()
5%

Figura 4
Resumindo:

P<

IC 90%
45

45

P<

1) Quando utilizamos teste de hiptese para uma correta tomada de deciso torna-se de extrema
importncia a interpretao adequada da formulao das hipteses nula e alternativa, sob pena de
comprometermos o objetivo do projeto.
2) Necessitamos ter sempre em mente que o comportamento esperado do processo corresponde a um
resultado de confiabilidade cujas observaes estaro contidas dentro de um intervalo de confiana
definido previamente.
3) Conseqentemente iremos optar pela hiptese nula (H0) cujo valor de p ser maior do que alfa para
inferirmos que no existem evidncias de anomalias no processo (H0 ; p> ; dentro do IC ; o
processo roda normal)
4) Por outro lado, iremos optar pela hiptese alternativa (Ha) quando a mdia e/ou desvio padro de
um processo ultrapassar a rea de confiabilidade e do risco alfa caracterizando fortes evidncias de
anomalias no processo. (Ha ; p< fora do IC; o processo no est rodando normal)

Marcelo Rivas Fernandes Master Black Belt - Six Sigma Academy - USA, Lean Especialista Lean
Enterprise Consulting Services and Lean Value Solutions - USA, Ps Graduado em Engenharia Econmica Universidade Estcio de S RJ, Especializado em Didtica do Ensino Superior - Faculdades Jorge Amado
Salvador/Ba. Palestrante Seis Sigma Summit 2007, Instrutor de Cursos para Black Belt, Green Belt, Lean
Members. Experincia na implantao e criao de estrutura de produtividade em multinacional. Habilidade
no desenvolvimento e suporte aos projetos Lean Seis Sigma - marcelorivas@uol.com.br