QUESTAO 1 (2 pontos)
Marque verdadeiro ( V ) ou falso ( F ) para as afirmaçōes abaixo, corrigindo as falsas:
( ) Após a realizaçăo do teste de hipótese (teste F) da analise de variância, no efeito de tratamento, so nîo rejeitamos HO (hipótese de nulidade), concluimos que năo ha diferença entre os tratamentos.
( ) Um pesquisador quer testar a qualidade pós-colheita em cinco tempos ( 0,3,6,9,12 dias) de armazenamento em cảmara fria (com temperatura de 2 \pm 1^{\circ} \mathrm{C} e umidade de 90 \pm 2 \% ) na cultivar de morango Camarosa. Verificou-se pela análise de variância que pelo teste F foi significativo O próximo passo para verificar qual melhor tempo é a utilizaçăo da regressîo.
( ) o teste de comparaçāo de médias de Tukey controla bem o erro tipo II nảo sendo rigoroso
( ) em testes de comparaçăo de médias que se baseiam na diferença minima significativa (DMS), sempre que o valor absoluto da diferença entre duas médias é igual ou maior do que o valor da DMS, diz-se que as médias sio estatisticamente diferentes.

Passo 1

O enunciado pede para marcar verdadeiro (V) ou falso (F) para quatro afirmações e, quando falsas, corrigir cada uma. As quatro afirmações são:
(1) “Após a realização do teste de hipótese (teste F) da análise de variância, no efeito de tratamento, só não rejeitamos H_0 (hipótese de nulidade), concluímos que não há diferença entre os tratamentos.”
(2) “Um pesquisador quer testar a qualidade pós-colheita em cinco tempos ( 0,3,6,9,12 dias) de armazenamento em câmara fria (com temperatura de 2 \pm 1^\circ\mathrm{C} e umidade de 90 \pm 2\%) na cultivar de morango Camarosa. Verificou-se pela análise de variância que pelo teste F foi significativo. O próximo passo para verificar qual melhor tempo é a utilização da regressão.”
(3) “O teste de comparação de médias de Tukey controla bem o erro tipo II não sendo rigoroso.”
(4) “Em testes de comparação de médias que se baseiam na diferença mínima significativa (DMS), sempre que o valor absoluto da diferença entre duas médias é igual ou maior do que o valor da DMS, diz-se que as médias são estatisticamente diferentes.”
Informações relevantes dadas pelo enunciado que vou usar: há cinco tempos de medição descritos em (2); foi feita análise de variância cujo teste F foi significativo (isso é mencionado na afirmação (2)).

Passo 2

Primeiro quero te dar uma aulinha rápida sobre como interpretar um resultado de teste de hipóteses — é a base pra avaliar a afirmação (1).
  • Em qualquer teste de hipóteses existe a hipótese nula, que chamo de H_0, e a hipótese alternativa, H_1. A decisão do teste é entre "rejeitar H_0" ou "não rejeitar H_0".
  • Erros possíveis: o erro do Tipo I é rejeitar H_0 quando ele é verdadeiro; chamamos sua probabilidade de \alpha. O erro do Tipo II é não rejeitar H_0 quando H_1 é verdadeira; sua probabilidade é \beta. O poder do teste é 1-\beta.
  • Importante: "não rejeitar H_0" não é o mesmo que “provar que H_0 é verdadeiro”. Significa apenas que não há evidência suficiente nos dados, no nível de significância escolhido, para afirmar que H_1 é verdadeiro.
Com isso, avalio a afirmação (1): ela afirma que se "só não rejeitamos H_0" então concluímos que não há diferença entre tratamentos. Isso é uma conclusão demasiado forte — por isso a afirmação é falsa. Correção: ao não rejeitar H_0 devemos dizer que não há evidência suficiente de diferença entre tratamentos; não se pode afirmar que são iguais definitivamente.

Passo 3

Agora vamos entender o que significa ter um resultado significativo no teste F da análise de variância e quais caminhos lógicos seguir — isso é crucial para analisar a afirmação (2).
  • O teste F em ANOVA compara variabilidade entre tratamentos com variabilidade dentro dos tratamentos. Uma forma compacta da estatística é:
F = \frac{\text{MS}_{\text{trat}}}{\text{MS}_{\text{res}}}
onde \text{MS}_{\text{trat}} é a média dos quadrados entre tratamentos e \text{MS}_{\text{res}} é a média dos quadrados do resíduo (erro). Se F é grande o suficiente (maior que o quantil da distribuição F para o nível \alpha), rejeitamos H_0 e concluímos que existe diferença entre pelo menos duas médias dos tratamentos.
  • Porém, rejeitar H_0 só diz que “alguma diferença existe”, não diz quais tratamentos diferem entre si.
Quais são as opções seguintes quando o F é significativo?
  • Se os tratamentos são categorias sem ordem quantitativa (por exemplo, variedades diferentes), o passo comum é fazer comparações múltiplas (post-hoc), como Tukey, Bonferroni, LSD/DMS etc., para identificar pares de médias que diferem.
  • Se o fator é uma variável quantitativa ordenada (como tempos 0,3,6,9,12 dias) e o objetivo é modelar a tendência (por exemplo, encontrar um tempo ótimo ou forma da resposta), a regressão (linear, quadrática, cúbica, etc.) é uma abordagem apropriada que explora a natureza contínua da variável tempo.
Logo, a afirmação (2) dizendo que “o próximo passo … é a utilização da regressão” é incompleta/enganosa: não é sempre o próximo passo automático. A escolha depende do objetivo experimental. Portanto a afirmação (2) é falsa. Correção típica: após F significativo, para identificar quais tempos diferem faz-se comparações múltiplas (post-hoc); se o interesse for modelar a resposta em função do tempo (tendência/otimização), aplica-se regressão.

Passo 4

Agora vamos falar do teste de Tukey e do que ele controla — necessário para avaliar a afirmação (3). Vou ser prático:
  • O objetivo das comparações múltiplas é controlar o erro global de múltiplas comparações. Tukey HSD (honestamente significativa diferença) é um método que controla a taxa de erro de Família (Family-Wise Error Rate, FWER) em nível \alpha. Ou seja, ele procura manter a probabilidade de cometer pelo menos um erro Tipo I em todas as comparações no valor \alpha.
  • A fórmula simplificada do limite de comparação do Tukey (diferença mínima para declarar significância) é:
\text{HSD} = q_{\alpha,\,k,\,\nu} \sqrt{\frac{\text{MS}_{\text{res}}}{n}}
onde q_{\alpha,\,k,\,\nu} é o quantil da distribuição q (studentized range) para nível \alpha, k é o número de tratamentos, \nu os graus de liberdade de resíduo e n é o número observado por tratamento (assumindo balanceamento).
  • Por controlar o erro de família, o Tukey tende a ser mais conservador que testes pareados sem ajuste (por exemplo, pares de t sem correção): isso reduz a probabilidade de falsos positivos (erro Tipo I), mas pode reduzir o poder (aumentar \beta), ou seja, pode dificultar detectar diferenças reais (aumenta erro Tipo II).
A afirmação (3) diz que “Tukey controla bem o erro tipo II não sendo rigoroso”. Isso está trocado: Tukey é desenhado para controlar o erro Tipo I (FWER), não o Tipo II. Além disso, chamar Tukey de “não sendo rigoroso” está errado: ele é rigoroso quanto ao controle do Tipo I (ou seja, evita falsos positivos) — isso pode torná-lo menos poderoso (mais propenso a erro Tipo II). Portanto a afirmação (3) é falsa. Correção: Tukey controla o erro do Tipo I para múltiplas comparações (FWER) ao nível \alpha; por ser conservador, pode aumentar o erro Tipo II (reduzir poder).

Passo 5

Finalmente, vamos ver a afirmação (4) sobre DMS (Diferença Mínima Significativa). Vou explicar o que é e como se usa:
  • DMS (às vezes chamado LSD em inglês) é uma diferença crítica entre duas médias, calculada a partir do erro residual e do quantil da distribuição t. Uma forma comum (para amostras iguais) é:
\text{DMS} = t_{\alpha/2,\,\nu} \sqrt{2\frac{\text{MS}_{\text{res}}}{n}}
onde t_{\alpha/2,\,\nu} é o quantil t para nível \alpha/2 e \nu graus de liberdade do resíduo, \text{MS}_{\text{res}} é a média dos quadrados do resíduo e n é o número de repetições por tratamento.
  • A regra de decisão é exatamente a que a afirmação descreve: se a diferença absoluta entre duas médias |\bar{X}_i - \bar{X}_j| é maior ou igual à DMS, então dizemos que as médias são significativamente diferentes (ao nível de significância escolhido). Se for menor, não rejeitamos a igualdade dessas duas médias.
Portanto a afirmação (4) é verdadeira.

Passo 6

Resumo das verificações lógicas feitas passo a passo:
  • Afirmação (1): falsa — interpretação incorreta de "não rejeitar H_0".
  • Afirmação (2): falsa — regressão é uma opção quando o fator é quantitativo e o interesse é em tendência/otimização; mas para “verificar qual melhor tempo” frequentemente usa-se comparações múltiplas post-hoc; a escolha depende do objetivo experimental.
  • Afirmação (3): falsa — Tukey controla erro Tipo I (FWER), é relativamente rigoroso nesse sentido; não é correto dizer que ele “controla bem o erro Tipo II”.
  • Afirmação (4): verdadeira — a regra da DMS é exatamente essa.

Resposta

(F) Correção: Ao não rejeitar H_0 concluímos que não há evidência suficiente para afirmar que há diferença entre os tratamentos; não se prova que as médias são iguais.
(F) Correção: Após F significativo, para identificar quais tempos diferem normalmente usa-se comparações múltiplas (post‑hoc); se o interesse for modelar a relação com o tempo (tendência ou ponto ótimo), então usa‑se regressão — a escolha depende do objetivo.
(F) Correção: O teste de Tukey controla o erro do Tipo I em múltiplas comparações (FWER) ao nível \alpha; por ser conservador pode reduzir o poder (aumentar \beta), portanto não é correto dizer que ele “controla bem o erro Tipo II”.
(V) Verdadeiro — em procedimentos que usam a DMS, se |\bar{X}_i-\bar{X}_j|\ge \text{DMS} então as médias são consideradas estatisticamente diferentes.

Exercícios relacionados