Questão de Biologia — Geral — CESPE / CEBRASPE 2026

Teste de correlação e variáveis dicotômicas

Gabarito: ❌ ERRADO. O teste de correlação (como o coeficiente de correlação de Pearson) é utilizado para medir a força e a direção da associação linear entre duas variáveis quantitativas contínuas (ou ordinais, em algumas variações), e não entre variáveis dicotômicas. Para verificar a associação entre duas variáveis dicotômicas (categóricas com duas categorias, como sim/não, presente/ausente), o teste adequado é o teste qui-quadrado de independência (ou o teste exato de Fisher, quando as amostras são pequenas). Portanto, a afirmativa está incorreta.

O enunciado mistura dois conceitos fundamentais da bioestatística: o tipo de variável e o teste estatístico apropriado. Vamos destrinchar isso.

Primeiro, é essencial entender o que são variáveis dicotômicas. Uma variável dicotômica (ou binária) é um tipo de variável categórica que assume apenas dois valores possíveis. Por exemplo: sexo (masculino/feminino), presença ou ausência de uma doença, sobrevivência (sim/não), presença ou ausência de uma espécie em uma área amostrada. Essas variáveis não têm ordem natural nem magnitude numérica intrínseca — são categorias.

O teste de correlação, por sua vez, é uma ferramenta estatística que avalia se duas variáveis quantitativas variam juntas de forma linear. O coeficiente de correlação de Pearson ($r$) mede a força e a direção dessa relação linear, variando de -1 a +1. Por exemplo, em um estudo ambiental, poderíamos correlacionar a concentração de um poluente no solo (variável contínua) com a biomassa de uma espécie vegetal (variável contínua). O teste de correlação nos diria se, à medida que o poluente aumenta, a biomassa tende a aumentar (correlação positiva), diminuir (correlação negativa) ou não apresentar padrão linear (correlação próxima de zero).

Quando temos duas variáveis dicotômicas, o objetivo não é medir uma relação linear, mas sim verificar se há associação entre as categorias — ou seja, se a distribuição de uma variável depende da outra. Para isso, utilizamos o teste qui-quadrado de independência ($\chi^2$). Esse teste compara as frequências observadas em uma tabela de contingência com as frequências esperadas caso as variáveis fossem independentes. Se a diferença for grande o suficiente, concluímos que há associação estatisticamente significativa.

A confusão entre correlação e associação é comum, mas a distinção é crucial: correlação envolve variáveis numéricas e mede a tendência de variação conjunta; associação envolve variáveis categóricas e verifica se a distribuição de uma depende da outra. A banca explora exatamente essa troca de conceitos.

Vamos a um exemplo prático para fixar. Suponha que em um estudo de recuperação de áreas degradadas, queiramos saber se a presença de uma espécie de ave (presente/ausente) está associada ao tipo de vegetação (nativa/reflorestada). Ambas são variáveis dicotômicas. Para testar essa associação, construiríamos uma tabela 2x2 com as contagens de aves em cada tipo de vegetação e aplicaríamos o teste qui-quadrado. Se o valor-p for menor que o nível de significância (geralmente 0,05), concluímos que há associação entre a presença da ave e o tipo de vegetação.

Agora, se quiséssemos correlacionar a altura média das árvores (variável contínua) com a riqueza de espécies (variável contínua), usaríamos o coeficiente de correlação de Pearson. A escolha do teste depende diretamente da natureza das variáveis.

Item — ❌ ERRADO

A afirmativa está incorreta porque o teste de correlação não é utilizado para verificar associação entre variáveis dicotômicas. O teste de correlação (Pearson) exige variáveis quantitativas contínuas. Para variáveis dicotômicas, o teste apropriado é o qui-quadrado de independência (ou Fisher, para amostras pequenas). A banca trocou o conceito de correlação pelo de associação, induzindo o candidato ao erro.

Gabarito: ❌ ERRADO