Questão de Estatística — Inferência estatística — FGV 2025
Estatística›Inferência estatística
Código
fg118924
Banca
FGV
Órgão
Prefeitura de Rio de Janeiro - RJ
Ano
2025
Nível
Superior
Cargo
Gestor de Segurança Municipal
Os testes de hipóteses são ferramentas importantes para tomada de decisão com base em evidências estatísticas. Sobre estas ferramentas, avalie as afirmações a seguir.I. O nível de significância alfa representa a probabilidade de ocorrência do erro do tipo I. Isto é, rejeitar a hipótese nula quando esta é verdadeira.II. Em um teste com p-valor igual a 2% e um nível de significância de 5%, não rejeitamos a hipótese nula.III. O teste t-student é um teste utilizado para medir associação entre variáveis categóricas.Está correto o que se afirma em
AI, apenas.
BIII, apenas.
CI e II, apenas.
DII e III, apenas.
EI, II e III.
Revelar gabarito e comentário▾
GabaritoA — I, apenas.
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”.
Testes de hipóteses: conceitos fundamentais
Gabarito: letra A — apenas o item I está correto. O nível de significância α é, por definição, a probabilidade de se cometer o erro do tipo I, ou seja, rejeitar a hipótese nula quando ela é verdadeira. O item II inverte a regra de decisão pelo p-valor (rejeita-se H₀ quando p-valor < α, não o contrário), e o item III atribui ao teste t de Student uma finalidade que não é a dele — medir associação entre variáveis categóricas é papel de testes como o qui-quadrado, não do teste t.
Os testes de hipóteses são o coração da inferência estatística: partimos de uma hipótese nula (H₀), que representa o status quo ou a ausência de efeito, e uma hipótese alternativa (H₁ ou Ha), que representa o que queremos evidenciar. A decisão de rejeitar ou não H₀ é tomada com base em uma estatística de teste calculada a partir da amostra, comparada a um valor crítico ou convertida em um p-valor.
O erro do tipo I (α) é rejeitar H₀ quando ela é verdadeira — um "falso positivo". O erro do tipo II (β) é não rejeitar H₀ quando ela é falsa — um "falso negativo". O nível de significância α é justamente a probabilidade máxima que o pesquisador aceita de cometer o erro do tipo I, e é fixado antes do teste (5%, 1%, 10% são os usuais).
A regra de decisão pelo p-valor é direta: se o p-valor for menor que α, rejeita-se H₀; se for maior ou igual a α, não se rejeita H₀. O p-valor é a probabilidade de obter um resultado tão extremo quanto o observado, supondo H₀ verdadeira — quanto menor, mais forte a evidência contra H₀.
O teste t de Student é um teste paramétrico usado para comparar médias — seja de uma amostra contra um valor de referência (teste t para uma amostra), seja entre duas amostras independentes ou pareadas. Ele pressupõe que os dados sigam aproximadamente uma distribuição normal e é usado quando a variância populacional é desconhecida. Para medir associação entre variáveis categóricas, o teste adequado é o qui-quadrado (de independência ou de aderência), que trabalha com tabelas de contingência e compara frequências observadas com esperadas.
Item
Afirmação avaliada
Veredito
I
α = P(erro tipo I) = rejeitar H₀ verdadeira
✅ Correto
II
p-valor (2%) ≥ α (5%) → não rejeitar H₀
❌ Incorreto (regra invertida: p < α → rejeita)
III
Teste t mede associação entre variáveis categóricas
❌ Incorreto (t é para médias; categóricas → qui-quadrado)
H₀ verdadeira
H₀ falsa
Não rejeita H₀
Erro tipo I (α)
Decisão correta
Rejeita H₀
Decisão correta
Erro tipo II (β)
LEVEL · soulevel.com.br
Item I — ✅ Correto
A definição está perfeita: o nível de significância α é a probabilidade de ocorrência do erro do tipo I, que consiste em rejeitar a hipótese nula quando ela é verdadeira. É o risco que o pesquisador assume de dar um falso alarme. Por exemplo, com α = 5%, há 5% de chance de rejeitarmos H₀ mesmo que ela seja verdadeira.
Item II — ❌ Incorreto
A regra está invertida. Com p-valor = 2% e α = 5%, temos p-valor < α, portanto rejeitamos a hipótese nula — não a mantemos. O p-valor menor que o nível de significância indica que o resultado observado é improvável sob H₀, fornecendo evidência suficiente para rejeitá-la. A banca explora exatamente essa inversão: o candidato que decora "p-valor pequeno rejeita" sem entender o porquê pode se confundir.
Item III — ❌ Incorreto
O teste t de Student não mede associação entre variáveis categóricas. Ele é utilizado para testar hipóteses sobre médias de populações com distribuição aproximadamente normal e variância desconhecida. Para associação entre variáveis categóricas, o teste apropriado é o qui-quadrado (χ²), que avalia se há independência entre as categorias. A banca troca a finalidade do teste t, um erro clássico de conceito.
NÃO CAIA NESSA!
A banca explora duas confusões típicas: (1) inverter a regra do p-valor — o candidato que decora "p-valor pequeno = não rejeita" cai no item II; (2) atribuir ao teste t uma função que não é dele — o candidato que associa "t" a qualquer teste estatístico pode aceitar o item III. Fique atento: p-valor menor que α → rejeita H₀; teste t → compara médias; qui-quadrado → associação entre categóricas.
PEGA ESSA DICA!
Para fixar, monte um quadro mental: erro tipo I = rejeitar H₀ verdadeira (α); erro tipo II = não rejeitar H₀ falsa (β). E lembre: p-valor é a "probabilidade de erro" — se ela é menor que o nível de significância, o resultado é significativo e rejeitamos H₀. Teste t é para médias; qui-quadrado é para categóricas. Com esse trio, você resolve a maioria das questões de conceito sobre testes de hipóteses.