Considerando que os resultados da ANOVA são apresentados na tabela precedente, em que FV corresponde a fonte de variação, GL, a graus de liberdade, e QM, a quadrado médio, julgue o próximo item.Sabendo-se que a razão F obtida para os blocos (1,25) apresente p-valor igual a 31,4%, sendo, portanto, superior a 10%, então esse resultado sugere que, ao nível de 10%, as diferenças entre os blocos são relevantes para explicar a variabilidade observada na produtividade.
CCerto
EErrado
Revelar gabarito e comentário▾
GabaritoE — Errado
Comentário gerado por IA. É um apoio ao estudo, ancorado em fontes, mas pode conter imprecisões — confira sempre na fonte oficial (lei, súmula, edital e gabarito da banca). Encontrou um erro? Use “Reportar”.
SE LIGUE NESSA!
Esta questão depende de uma tabela de ANOVA que não está disponível aqui. O raciocínio abaixo é o método — confira os valores na tabela original.
Teste F na ANOVA: interpretação do p-valor
Gabarito: letra E (ERRADO). A afirmação está incorreta porque um p-valor de 31,4% é superior ao nível de significância de 10%, o que leva à não rejeição da hipótese nula — ou seja, as diferenças entre os blocos não são estatisticamente relevantes ao nível de 10%. A lógica do teste de hipóteses é exatamente o oposto do que o enunciado sugere: p-valor alto significa ausência de evidência contra a hipótese nula.
Na análise de variância (ANOVA), o teste F é utilizado para comparar a variabilidade entre grupos (ou blocos) com a variabilidade dentro dos grupos. A hipótese nula () afirma que as médias dos blocos são iguais; a hipótese alternativa () afirma que pelo menos uma difere. A estatística F é calculada como a razão entre o quadrado médio dos blocos e o quadrado médio do erro:
O p-valor é a probabilidade de se obter um valor de F tão extremo quanto o observado, supondo que seja verdadeira. A regra de decisão é:
Se p-valor < nível de significância (α) → rejeita-se → há diferença significativa.
Se p-valor ≥ nível de significância (α) → não se rejeita → não há evidência de diferença significativa.
No caso, o p-valor é 31,4% (0,314), que é maior que 10% (0,10). Portanto, não rejeitamos e concluímos que as diferenças entre os blocos não são relevantes para explicar a variabilidade observada. O enunciado inverte a lógica: ele afirma que p-valor superior a 10% sugere diferenças relevantes, quando na verdade sugere o contrário.
p-valor
Nível de significância (α)
Comparação
Decisão sobre H₀
Conclusão sobre os blocos
0,314 (31,4%)
0,10 (10%)
p-valor > α
Não rejeita H₀
Diferenças não são relevantes
0,05 (5%)
0,10 (10%)
p-valor < α
Rejeita H₀
Diferenças são relevantes
Item — ❌ ERRADO
A afirmação está errada porque o p-valor de 31,4% é superior ao nível de significância de 10%, o que indica que não há evidência estatística para rejeitar a hipótese nula de igualdade entre os blocos. Em outras palavras, as diferenças entre os blocos não são significativas ao nível de 10%. A banca explora a confusão comum entre p-valor alto e significância: quanto menor o p-valor, maior a evidência contra ; quanto maior o p-valor, menor a evidência. Aqui, o p-valor é alto (31,4%), logo, a conclusão correta é a não rejeição de .
NÃO CAIA NESSA!
A banca inverte a lógica do teste de hipóteses: ela afirma que p-valor superior a 10% indica diferenças relevantes, quando o correto é o oposto — p-valor alto significa não rejeição da hipótese nula e, portanto, ausência de diferença significativa. O candidato que confunde p-valor com nível de significância ou inverte a regra de decisão cai direto na armadilha. Lembre-se: p-valor pequeno → rejeita → diferença significativa; p-valor grande → não rejeita → sem diferença significativa. 💪