Dica do autor: Em teste de hipóteses trabalhamos com duas hipóteses: H0 (hipótese nula), que normalmente representa ausência de efeito ou diferença, e Ha (hipótese alternativa), que representa a existência de efeito ou diferença. O pulo do gato é entender o que significa cada tipo de erro: erro tipo I é o falso positivo — rejeitar H0 quando ela é verdadeira; erro tipo II é o falso negativo — não rejeitar H0 quando, na verdade, Ha é verdadeira. A probabilidade de cometer um erro tipo I é o nível de significância (α), que deve ser fixado antes da análise (ex.: 5%). O valor-p é a medida que usamos para comparar com α: se p < α, rejeitamos H0; se p ≥ α, não rejeitamos. Fique ligado: existe uma relação direta entre testes de hipótese bilaterais e intervalos de confiança — num teste a 5% bilateral, um IC de 95% que não contém o valor nulo (por exemplo, diferença = 0) é equivalente a rejeitar H0. No fim das contas, saber qual erro estamos discutindo é essencial para interpretar corretamente resultados e consequências clínicas e éticas da pesquisa.

Alternativa A: INCORRETA. Não fixar previamente o nível de significância é um problema metodológico (abre espaço para viés e "p-hacking"), mas não é a definição de erro tipo I. O erro tipo I é um resultado (rejeitar H0 quando H0 é verdadeira); a falta de definição prévia de α aumenta o risco de erro e compromete a validade do teste, mas não é, por si só, o erro conceitual pedido pela questão.

Alternativa B: INCORRETA. Essa descrição corresponde ao erro tipo II (β): concluir que não há diferença (falhar em rejeitar H0) quando, na verdade, existe diferença. Ou seja, é um falso negativo, não um erro tipo I.

Alternativa C: INCORRETA. A frase, como está, mistura conceitos de forma confusa. Se um teste rejeita H0, num contexto padrão bilateral com mesmo nível de significância, o intervalo de confiança correspondente NÃO deve conter o valor nulo (por exemplo, zero diferença). Portanto, “teste rejeita H0, mas o intervalo de confiança não contém o valor 0” é, na prática, uma situação consistente (não uma definição de erro tipo I). Se a intenção fosse contrária (CI contém 0 enquanto teste rejeita H0) aí haveria incoerência metodológica, mas ainda assim isso é problema de cálculo/relatório, não a definição de erro tipo I. Logo, a alternativa está errada.

Alternativa D: CORRETA. Essa é a definição clássica de erro tipo I: concluir que os efeitos são diferentes (rejeitar H0) quando, na realidade, são iguais (H0 é verdadeira). É o falso positivo, cuja taxa esperada é controlada pelo nível de significância α escolhido antes do estudo.

Resposta: Alternativa D