Dica do autor: Quando a variável de interesse é categórica — por exemplo, presença ou ausência de malformação — e a exposição também é categórica — por exemplo, mãe agricultora versus não agricultora — a forma mais direta de testar associação é comparar as frequências observadas nas células de uma tabela de contingência. O teste qui-quadrado avalia se a distribuição observada nas células difere daquela esperada sob a hipótese nula de independência entre as variáveis. O pulo do gato: o qui‑quadrado trabalha com soma das discrepâncias (O–E)²/E entre observados (O) e esperados (E) em cada célula; o grau de liberdade é (linhas−1)×(colunas−1). Fique ligado nas condições de aplicação: amostras independentes e esperados suficientes (regra prática: a maioria das células com E≥5). Se a tabela for 2×2 e tiver contagens pequenas, o Fisher exato é a alternativa mais adequada. No fim das contas, para proporções em tabelas de contingência o teste qui‑quadrado é a escolha clássica para detectar risco/associação antes de partir para medidas de efeito (odds ratio, risco relativo) ou modelos multivariáveis (logística).

Alternativa A: INCORRETA. ANOVA (análise de variância) compara médias de uma variável contínua entre três ou mais grupos (ou, no caso de dois grupos, equivale ao teste t). Aqui temos variáveis categóricas (malformação: sim/não; mãe agricultora: sim/não), não médias contínuas, então ANOVA não é apropriada.

Alternativa B: CORRETA. Qui‑quadrado é o teste apropriado para verificar existência de associação entre duas variáveis categóricas em uma tabela de contingência (como exposição ocupacional materna e presença de malformação). Ele compara frequências observadas e esperadas sob independência; para tabelas 2×2 é o procedimento padrão, salvo quando as contagens são muito pequenas (então se usa Fisher).

Alternativa C: INCORRETA. Regressão linear simples modela uma variável dependente contínua em função de uma variável independente contínua ou categórica codificada, assumindo relação linear e erros normalmente distribuídos. Como o desfecho aqui é binário (malformação: sim/não), regressão linear não é adequada; a alternativa correta para análise multivariada de desfecho binário seria regressão logística.

Alternativa D: INCORRETA. O teste t compara médias de uma variável contínua entre dois grupos independentes. Não serve para comparar proporções em uma tabela de contingência entre categorias. Para proporções entre dois grupos pode-se usar teste z para duas proporções ou qui‑quadrado (ou Fisher), mas não o t.

Alternativa E: INCORRETA. O coeficiente de correlação de Pearson mensura o grau de associação linear entre duas variáveis contínuas. Não é adequado para avaliar associação entre duas variáveis categóricas dicotômicas em uma tabela de contingência (para isso usam‑se qui‑quadrado, razão de chances, risco relativo, etc.).

Resposta: Alternativa B