Dica do autor: Em um teste de hipótese, comparamos duas possibilidades:

• Hipótese nula (H₀): geralmente afirma que não há efeito, diferença ou associação.
• Hipótese alternativa (H₁): afirma que há um efeito, diferença ou associação.

O objetivo dos testes estatísticos é avaliar se os dados são suficientemente incompatíveis com a hipótese nula para que ela seja rejeitada.

O valor de p representa a probabilidade de obtermos os resultados observados (ou mais extremos) assumindo que a hipótese nula seja verdadeira. Por convenção:

• Se p ≤ 0,05, o resultado é considerado estatisticamente significativo — ou seja, rejeita-se a hipótese nula.
• Se p > 0,05, não há significância estatística, e a hipótese nula não é rejeitada.

Além disso, existem dois tipos clássicos de erro:

• Erro tipo I (α): ocorre quando rejeitamos a hipótese nula, sendo ela verdadeira. É o chamado “falso positivo”.
• Erro tipo II (β): ocorre quando não rejeitamos a hipótese nula, sendo ela falsa. Ou seja, é o “falso negativo”.

Afirmativa I: INCORRETA. Um valor de p maior que 0,05 indica que o resultado não é estatisticamente significativo, ou seja, não se rejeita a hipótese nula. A afirmativa está invertida.

Afirmativa II: CORRETA. Essa é a definição clássica de erro tipo I — rejeitar H₀ quando, na verdade, ela é verdadeira.

Afirmativa III: CORRETA. Essa é a definição correta de erro tipo II — falhar em rejeitar H₀ mesmo quando ela é falsa.

Link da aula: https://sanarflix.sanar.com.br/portal/sala-de-aula/0170015f-0dd6-49ab-adf3-e0fff5a771b8/a646092a-b557-4600-b14b-5d9c2f7a3b01/video/93d7d5b9-0f07-4017-b479-8bdb539a1d24

Resposta: Alternativa C