Dica do autor: O pulo do gato aqui é entender o que é erro tipo I e erro tipo II. Erro tipo I é você rejeitar a hipótese nula quando ela é verdadeira — é o famoso falso positivo. O critério alfa (geralmente 0,05) é justamente a probabilidade máxima de cometer esse erro que o pesquisador aceita antes do experimento. Já o erro tipo II é o oposto: não conseguir detectar uma diferença real (falso negativo), e está ligado ao poder do estudo. Enquanto erros de viés (medição, seleção, confusão) derivam de problemas no desenho, coleta ou amostragem e tendem a distorcer estimativas sistematicamente, erros tipo I/II são probabilísticos, resultantes da variabilidade amostral e do critério de significância adotado. No fim das contas, bater o olho e saber se houve falso positivo ou falso negativo passa por comparar a decisão estatística com a realidade hipotética: rejeição da hipótese nula quando ela é verdadeira = erro tipo I; não rejeitar quando ela é falsa = erro tipo II.

Alternativa A: CORRETA. Essa é a definição clássica de erro tipo I — rejeitar a hipótese nula (concluir que o medicamento teve efeito) quando, na verdade, não houve diferença real em relação ao placebo. A probabilidade de cometer esse erro é exatamente o alfa (o limiar de significância, p < 0,05 neste caso). Ou seja, o estudo encontrou significância estatística, mas na realidade houve um falso positivo: acertou-se na decisão estatística, mas a hipótese nula era verdadeira.

Alternativa B: INCORRETA. Erro tipo II seria não detectar uma diferença verdadeira (falso negativo) — por exemplo, quando o medicamento realmente funciona, mas o estudo não encontra p < 0,05. Aqui não é o caso: o estudo encontrou significância, o que aponta para um falso positivo, não para falta de poder ou erro tipo II.

Alternativa C: INCORRETA. Viés de medição envolve erro sistemático na forma como a variável é quantificada (por exemplo, aparelho calibrado errado) e leva a estimativas enviesadas. O enunciado descreve uma decisão estatística (significância) que contrasta com a verdade — isso é um erro estatístico (falso positivo), não necessariamente um problema de medida.

Alternativa D: INCORRETA. Viés de seleção ocorre quando a amostra não representa a população alvo (por exemplo, selecionar pacientes mais saudáveis só no grupo tratamento), o que pode distorcer resultados. Embora vieses possam produzir resultados enganosos, o cenário descrito é especificamente um caso de tomar uma decisão estatística incorreta diante de uma hipótese nula verdadeira — característico do erro tipo I, não de viés de seleção.

Resposta: Alternativa A