Um analista de sistemas realizou um teste estatístico de hi...

A resposta correta é a C: rejeita a hipótese nula (H0) quando é verdadeira.

Vamos entender o que significa cada alternativa:

• Erro tipo I: Ocorre quando rejeitamos a hipótese nula (H0) quando ela é, na verdade, verdadeira. É como se condenássemos um inocente.
• Hipótese nula (H0): É a afirmação que queremos testar. Geralmente, é uma afirmação de "não diferença" ou "status quo".
• Rejeitar H0: Significa que encontramos evidências suficientes para concluir que a hipótese nula é falsa.
• Aceitar H0: Significa que não encontramos evidências suficientes para rejeitar a hipótese nula.

Voltando ao exemplo do treinamento:

Suponha que a hipótese nula (H0) seja: "Não há diferença na eficácia do treinamento em diferentes horários". Se o analista rejeitou essa hipótese (concluiu que existe diferença), mas na realidade não existe, ele cometeu um erro tipo I. Ou seja, ele concluiu que um horário é melhor do que outro, quando na verdade não há diferença significativa entre eles.

Em resumo:

• Erro tipo I: Rejeitar a verdade. É como acusar um inocente.
• Erro tipo II: Aceitar o falso. É como absolver um culpado.

Por que o erro tipo I é importante?

A probabilidade de cometer um erro tipo I é representada pela letra grega alfa (α) e é chamada de nível de significância. Geralmente, fixamos um valor para alfa antes de realizar o teste (como 5% ou 1%). Se rejeitamos a hipótese nula, estamos dizendo que a probabilidade de estarmos errados é menor que alfa.

Em um teste de hipótese, é fundamental balancear o risco de cometer um erro tipo I com o risco de cometer um erro tipo II.