Julgue o próximo item, relativo a Testes de Hipóteses:
a. A definição do nível de significância de um teste é baseada na probabilidade do erro do tipo II.
b. O nível de significância de um teste assume valores altos, tais como 90 \%, 95 \% e 99 \%.
c. Testar hipóteses consiste, essencialmente, em avaliar a hipótese nula.
d. A Hipótese nula estabelece a ausência de diferença entre os parâmetros analisados e é sempre a primeira a ser formulada.

Passo 1

Vou listar exatamente o que o enunciado pede e o que nos é dado: temos quatro afirmações sobre Testes de Hipóteses (itens a, b, c e d) e precisamos julgar cada uma como verdadeira ou falsa. As afirmações são:
a. A definição do nível de significância de um teste é baseada na probabilidade do erro do tipo II.
b. O nível de significância de um teste assume valores altos, tais como 90\%, 95\% e 99\%.
c. Testar hipóteses consiste, essencialmente, em avaliar a hipótese nula.
d. A Hipótese nula estabelece a ausência de diferença entre os parâmetros analisados e é sempre a primeira a ser formulada.
Informações relevantes que o enunciado dá (implícitas): cada item é uma afirmação padrão sobre conceitos de testes estatísticos; devemos dizer se cada afirmação está correta ou não.

Passo 2

Primeiro, vamos entender os conceitos básicos — com calma, como amigo explicando no caderno: o que é um teste de hipóteses e quais são os erros envolvidos.
  • Num teste de hipóteses formulamos duas hipóteses concorrentes: a hipótese nula, que chamamos de H_0, e a hipótese alternativa, H_1. O objetivo é usar dados amostrais para decidir se rejeitamos H_0 ou não.
  • Existem dois tipos principais de erro:
    • Erro do tipo I: rejeitar H_0 quando, na verdade, H_0 é verdadeira. A probabilidade desse erro é chamada de nível de significância e é denotada por \alpha.
    • Erro do tipo II: não rejeitar H_0 quando, na verdade, H_1 é verdadeira. A probabilidade desse erro é denotada por \beta.
    • A potência do teste é 1-\beta, a probabilidade de detectar a hipótese alternativa quando ela é verdadeira.
  • Então, em palavras simples: \alpha controla o quanto você aceita arriscar falsos positivos (descobrir um efeito que não existe) e \beta controla os falsos negativos (não ver um efeito que existe).

Passo 3

Agora avalio o item (a): “A definição do nível de significância de um teste é baseada na probabilidade do erro do tipo II.”
  • Pelo que expliquei no passo anterior, o nível de significância é exatamente a probabilidade do erro do tipo I, ou seja,
\alpha = P(\text{rejeitar } H_0 \mid H_0 \text{ verdadeira}).
  • O erro do tipo II tem probabilidade \beta, não \alpha.
  • Portanto a afirmação (a) está incorreta.

Passo 4

Agora o item (b): “O nível de significância de um teste assume valores altos, tais como 90\%, 95\% e 99\%.”
  • Atenção ao que é interpretado como “nível de significância”: normalmente chamamos de nível de significância o valor \alpha, que é a probabilidade de cometer erro tipo I. Valores usuais de \alpha são pequenos, por exemplo \alpha=0{,}10 (ou 10\%), \alpha=0{,}05 (ou 5\%), \alpha=0{,}01 (ou 1\%).
  • Os números 90\%, 95\%, 99\% são comumente usados como níveis de confiança (por exemplo, em intervalos de confiança). O nível de significância associado a um nível de confiança de 95\% é 1-0{,}95 = 0{,}05 (ou 5\%).
  • Se alguém interpretasse literalmente que \alpha=95\%, isso significaria aceitar 95% de chance de rejeitar H_0 mesmo quando ela é verdadeira — o que não faz sentido prático para um teste sério.
  • Logo a afirmação (b) está incorreta: os números citados são típicos de níveis de confiança, não do nível de significância (que é pequeno, como 10\%,5\%,1\%).

Passo 5

Agora o item (c): “Testar hipóteses consiste, essencialmente, em avaliar a hipótese nula.”
  • No procedimento de teste, de fato, coletamos evidências amostrais e calculamos um estatístico de teste e/ou um valor-p para decidir se há evidência suficiente para rejeitar H_0.
  • Em termos práticos e conceituais, o foco é justamente verificar se os dados são compatíveis com H_0 ou se fornecem evidência contra H_0. Por isso dizemos que testamos H_0 — a decisão final é sempre sobre rejeitar ou não rejeitar H_0.
  • Importante: isso não significa que provamos H_0 verdadeira quando não a rejeitamos; apenas que não há evidência suficiente para rejeitá-la com o \alpha escolhido. Mas a essência do procedimento é avaliar H_0.
  • Portanto a afirmação (c) é correta.

Passo 6

Agora o item (d): “A Hipótese nula estabelece a ausência de diferença entre os parâmetros analisados e é sempre a primeira a ser formulada.”
  • É prática padrão formular H_0 como a hipótese que representa “nenhum efeito” ou “nenhuma diferença” — por exemplo, H_0: \mu_1 = \mu_2 ou H_0: \mu = \mu_0. Então, na maioria dos testes clássicos, H_0 de fato expressa ausência de diferença ou ausência de efeito.
  • Também é padrão e lógico que H_0 seja explicitada antes de aplicar o teste, pois é ela que será testada; normalmente formulamos H_0 e H_1 no início do procedimento.
  • Há um pequeno cuidado conceitual: nem toda hipótese nula precisa ser literalmente “ausência de diferença” — pode ser “o parâmetro vale um valor específico” — mas isso é uma forma de “sem mudança em relação a esse valor”. Para fins de provas e entendimento básico, aceitar que H_0 costuma representar ausência de diferença e é formulada primeiro é correto.
  • Assim, considerando a forma como a afirmação foi provavelmente pensada num contexto de prova, a afirmativa (d) é correta.

Resposta

a) Falso
b) Falso
c) Verdadeiro
d) Verdadeiro

Exercícios relacionados