Dica do autor: O teste t de Student para amostras independentes é a ferramenta clássica quando a intenção é comparar a média de uma variável numérica (intervalar ou de razão) entre dois grupos diferentes e independentes entre si. O teste parte de pressupostos importantes: independência das observações, distribuição aproximadamente normal da variável em cada grupo (ou amostras grandes, quando o TCL ajuda) e, na formulação clássica, variâncias iguais entre os grupos (mas existe a versão de Welch que corrige quando as variâncias são desiguais). Ele fornece uma estatística t que, junto com os graus de liberdade, permite testar a hipótese nula de que as médias populacionais são iguais. Se os dados forem pareados (mesmo indivíduo antes/depois ou pares casados), usamos o t pareado; se há mais de dois grupos, a ferramenta adequada é a ANOVA; se o desfecho for qualitativo (proporção, risco), usamos testes para proporções, qui‑quadrado, regressão logística, etc. O pulo do gato é bater o olho e saber: variável contínua + dois grupos independentes = t independente (verificando pressupostos), caso contrário procurar alternativas (Welch, transformação, testes não paramétricos).

Alternativa A: CORRETA. Essa é a definição precisa do teste t de Student para amostras independentes: compara as médias de dois grupos independentes. É aplicado quando o desfecho é numérico contínuo (ou aproximadamente contínuo) e atendidos os pressupostos de normalidade/variância; caso contrário, adaptações (teste de Welch, Mann‑Whitney) ou transformações são consideradas.

Alternativa B: INCORRETA. Comparar as médias de três ou mais grupos não se faz com o t de Student entre pares — aí o caminho é a ANOVA (análise de variância) para testar igualdade de médias entre múltiplos grupos, seguida de testes post‑hoc se necessário. Fazer vários t pares aumenta o erro tipo I.

Alternativa C: INCORRETA. Duas proporções (variável dicotômica) não são comparadas com teste t para médias; usamos teste de proporções (teste z para duas proporções), qui‑quadrado de independência ou testes exatos (Fisher) dependendo do tamanho amostral, ou modelos de regressão logística para ajuste.

Alternativa D: INCORRETA. O mesmo raciocínio da alternativa C: para três ou mais proporções emprega‑se qui‑quadrado ou testes específicos para proporções múltiplas, não o t de Student entre amostras independentes.

Alternativa E: INCORRETA. O risco relativo é uma medida de associação para desfechos binários entre dois grupos; a comparação de riscos ou cálculo de RR e seu intervalo de confiança envolve métodos para proporções (qui‑quadrado, regressão binomial/Poisson, ou análise de contingência). O t de Student não é a ferramenta apropriada para comparar riscos.

Resposta: Alternativa A