Teste de hipóteses

O teste de hipóteses é o método estatístico que permite decidir se uma diferença observada em um estudo é real ou apenas fruto do acaso. É a lógica por trás de praticamente todo resultado de "diferença estatisticamente significativa" que você lê em um artigo. Entender esse raciocínio é essencial para não ser enganado por números mal interpretados.

O que é um teste de hipóteses

Um teste de hipóteses é um procedimento estruturado para responder a uma pergunta como: "esse novo medicamento reduz a pressão arterial mais do que o placebo, ou a diferença observada foi só coincidência da amostra?"

Para responder isso, a estatística parte de duas hipóteses concorrentes.

Hipótese nula (H0)

A hipótese nula afirma que não existe diferença real entre os grupos comparados, ou seja, qualquer diferença observada seria apenas variação do acaso. É a hipótese que o teste estatístico tenta, de fato, refutar.

Hipótese alternativa (H1)

A hipótese alternativa afirma que existe, sim, uma diferença real entre os grupos. É o que o pesquisador geralmente espera demonstrar.

O valor de p

O valor de p é a probabilidade de observar uma diferença igual ou mais extrema do que a encontrada no estudo, assumindo que a hipótese nula seja verdadeira.

Um valor de p pequeno sugere que seria muito improvável observar aquele resultado só por acaso, caso realmente não houvesse diferença entre os grupos. Por convenção, muitos estudos adotam o limite de p < 0,05 para considerar um resultado "estatisticamente significativo", ou seja, uma probabilidade menor que 5% de aquele achado ser puro acaso.

Um cuidado importante

O valor de p não mede o tamanho do efeito nem a relevância clínica de um achado. Um estudo com amostra muito grande pode encontrar significância estatística para uma diferença clinicamente irrelevante. Você vai perceber que significância estatística e importância clínica são coisas diferentes.

Erro tipo I e erro tipo II

Todo teste de hipóteses está sujeito a dois tipos de erro:

• Erro tipo I (alfa): rejeitar a hipótese nula quando ela, na verdade, é verdadeira, ou seja, concluir que existe diferença quando na realidade não existe (falso positivo).
• Erro tipo II (beta): não rejeitar a hipótese nula quando ela, na verdade, é falsa, ou seja, não detectar uma diferença que realmente existe (falso negativo).

Passo a passo simplificado de um teste de hipóteses

1. Definir a hipótese nula e a hipótese alternativa.
2. Escolher o teste estatístico adequado ao tipo de dado (lembra da aula sobre tipos de dados?).
3. Calcular a estatística do teste a partir dos dados da amostra.
4. Obter o valor de p correspondente.
5. Comparar o valor de p com o nível de significância pré-estabelecido.
6. Rejeitar ou não rejeitar a hipótese nula, com base nessa comparação.

Por que isso importa na leitura crítica de artigos

Imagine que você lê um artigo afirmando que um novo tratamento é "significativamente melhor" que o padrão atual. Antes de aceitar essa conclusão, vale perguntar: qual foi o valor de p? Qual o tamanho da amostra? O efeito encontrado tem relevância clínica real, além da significância estatística?

Dominar o raciocínio do teste de hipóteses é o que separa uma leitura passiva de artigos científicos de uma leitura verdadeiramente crítica, capaz de questionar números e não apenas aceitá-los.

Assista a aula completa acima para ver exemplos práticos e continue para a próxima aula do módulo.