UFCSPA - Universidade Federal de Ciências da Saúde de Porto Alegre (RS) — Prova 2025
Considerando o teste de hipótese, analise as afirmativas abaixo e assinale a alternativa CORRETA.I. Um valor de p maior que 0,05 indica que o resultado é estatisticamente significativo.II. O erro tipo I. ocorre quando rejeitamos a hipótese nula verdadeira.III. O erro tipo II. ocorre quando não rejeitamos a hipótese nula falsa.
Erro tipo I = rejeitar H0 verdadeira; Erro tipo II = não rejeitar H0 falsa.
O valor de p é a probabilidade de observar um resultado tão extremo quanto, ou mais extremo que, o observado, assumindo que a hipótese nula seja verdadeira. Um p < 0,05 indica significância estatística, levando à rejeição da hipótese nula.
Os testes de hipótese são a espinha dorsal da estatística inferencial em pesquisa médica, permitindo que os pesquisadores tomem decisões sobre populações com base em dados amostrais. Para residentes, compreender os fundamentos dos testes de hipótese é crucial para a leitura crítica de artigos científicos e para a condução de suas próprias pesquisas. A hipótese nula (H0) geralmente postula que não há efeito ou diferença, enquanto a hipótese alternativa (H1) sugere o contrário. A interpretação do valor de p é central nesse processo. Um valor de p baixo (tipicamente < 0,05) indica que os resultados observados são improváveis de ocorrer se a hipótese nula fosse verdadeira, levando à sua rejeição e à aceitação da hipótese alternativa. Por outro lado, um valor de p alto sugere que os dados são compatíveis com a hipótese nula, e não há evidências suficientes para rejeitá-la. É vital diferenciar os erros tipo I e tipo II. O erro tipo I, ou falso positivo, tem sua probabilidade controlada pelo nível de significância (alfa). O erro tipo II, ou falso negativo, está relacionado ao poder estatístico do estudo. Um balanço entre esses dois tipos de erro é fundamental no desenho de estudos, e a compreensão de suas implicações ajuda a evitar conclusões equivocadas na prática clínica e na pesquisa.
Um valor de p estatisticamente significativo (geralmente < 0,05) significa que a probabilidade de observar os dados obtidos (ou dados mais extremos) por acaso, se a hipótese nula fosse verdadeira, é muito baixa. Isso nos leva a rejeitar a hipótese nula.
O erro tipo I (alfa) ocorre quando rejeitamos uma hipótese nula que é verdadeira (falso positivo). O erro tipo II (beta) ocorre quando não rejeitamos uma hipótese nula que é falsa (falso negativo).
O nível de significância (alfa) é a probabilidade máxima aceitável de cometer um erro tipo I. Se definirmos alfa em 0,05, estamos dispostos a aceitar uma chance de 5% de rejeitar uma hipótese nula verdadeira.
Responda esta e mais de 150 mil questões comentadas no MedEvo — a plataforma de residência médica com IA.
Responder questão no MedEvo