Intervalo de confiança × teste de hipóteses: nível de confiança, erro tipo I × II, p-valor

A ideia que organiza o assunto

A inferência clássica assume uma coisa e nunca recua dela: o parâmetro é um número fixo e desconhecido; o que é aleatório é a amostra. A média populacional não tem distribuição, não tem probabilidade, não oscila. Quem oscila é a amostra que você sorteou — e, por consequência, tudo o que se calcula a partir dela: a estimativa pontual, o erro padrão, os limites do intervalo, a estatística de teste, o p-valor e a própria decisão de rejeitar ou não.

Daí decorre a regra que resolve quase todo item deste tópico:

Nenhuma afirmação probabilística da inferência clássica é sobre o parâmetro ou sobre a hipótese. Todas são sobre o procedimento ou sobre os dados.

Os 95% de um intervalo de confiança pertencem ao método de construir o intervalo, não ao intervalo que está na sua frente. O p-valor é a probabilidade de dados como os observados, calculada supondo H0 verdadeira — não a probabilidade de que H0 seja verdadeira. O α é a taxa de erro do teste ao longo de repetições, não a chance de que esta rejeição específica esteja errada.

A banca constrói os itens deste tópico movendo a probabilidade de lugar. Ela pega uma frase inteiramente correta e a reendereça: do procedimento para o parâmetro, dos dados para a hipótese, de um erro para o outro. Por isso a pergunta que decide o item quase nunca é “isto é verdade?”, e sim “sobre o que, exatamente, esta probabilidade está falando?”.

A fronteira com o básico. O edital de Lógica e Estatística — o básico compartilhado — vai da estatística descritiva até as distribuições de probabilidade e para ali: não há nele tópico de intervalo de confiança nem de teste de hipóteses. A inferência, inteira, é deste tópico. O que sobra do outro lado é a maquinaria: ler um quantil da normal, calcular o erro padrão da média, saber que a variância amostral divide por n − 1. Na prática: se o item se resolve por aritmética sobre uma distribuição, a ferramenta é do básico; se ele depende do que a probabilidade significa, o item é daqui. E se o item trata da variância de um estimador de regressão, do teste t de um coeficiente ou do F global, ele é do tópico de MQO, não deste.

Por que se usa (e o que custa)

O teste de hipóteses existe para transformar uma dúvida em uma regra de decisão que se pode auditar. Fixado α antes de ver os dados, a taxa de falsos positivos do procedimento fica controlada por construção — e é essa a única garantia que o método oferece de graça.

O preço é que a garantia é unilateral. Você escolhe α; você não escolhe β. A probabilidade de deixar passar uma hipótese nula falsa depende de coisas que não estão no seu controle: do quanto a verdade se afasta de H0, da variabilidade da população, do tamanho da amostra. É por isso que H0 é a hipótese protegida — o desenho inteiro é feito para errar pouco contra ela, e assumidamente pouco vigilante do outro lado.

Daí a troca que decide itens. Para n fixo, baixar α aumenta β. Reduzir o nível de significância encolhe a região crítica, torna a rejeição mais difícil, e o que se ganha em falsos positivos se paga em falsos negativos. As duas taxas só caem juntas por um caminho: aumentar a amostra. A mesma aritmética aparece no intervalo de confiança — exigir 99% em vez de 95% produz um intervalo mais largo, isto é, menos informativo. Confiança e precisão são a mesma moeda vista dos dois lados.

Como funciona

O intervalo de confiança. Constrói-se como estimativa pontual ± valor crítico × erro padrão. O erro padrão é insumo do intervalo, e o valor crítico vem do nível de confiança escolhido. Os dois limites são variáveis aleatórias: mudam a cada amostra. O parâmetro, no meio, está parado.

Ler o nível de confiança corretamente é o item mais cobrado do tópico. Um intervalo de 95% significa: se o procedimento fosse repetido indefinidamente, 95% dos intervalos assim construídos conteriam o parâmetro. Sobre o intervalo concreto que você calculou não há nada de probabilístico a dizer — ele contém o parâmetro ou não contém, e você apenas não sabe qual dos dois casos ocorreu. A frase “há 95% de probabilidade de o parâmetro estar neste intervalo” atribui distribuição a um número fixo, e é a distorção padrão da banca.

O teste de hipóteses. H0 é a hipótese posta em julgamento e a única que recebe modelo probabilístico — é sob ela que a distribuição da estatística de teste é conhecida. O roteiro é fixo: formular H0 e H1, fixar α antes de olhar os dados, calcular a estatística, comparar com o valor crítico. Rejeita-se ou deixa-se de rejeitar. Quando a estatística cai dentro da região de aceitação, a banca escreve isso como aceitar a hipótese nula — e gabarita a redação como Certa: é sinônimo de não rejeitar, não promessa de que H0 seja verdadeira. O que não se pode concluir é que H0 tenha ficado comprovada. Não rejeitar é não ter reunido evidência suficiente contra ela, o que é compatível tanto com H0 verdadeira quanto com um teste sem poder para detectar que ela é falsa.

O p-valor. É a probabilidade de observar uma estatística tão ou mais extrema que a obtida, dado que H0 é verdadeira. O condicionamento corre de H0 para os dados, e nunca no sentido inverso. Rejeita-se quando p < α. Três coisas que ele não é, e cada uma já foi item: não é a probabilidade de H0 ser verdadeira; não é a probabilidade de a decisão estar errada; não mede o tamanho do efeito — com amostra grande o bastante, um efeito irrelevante produz p-valor minúsculo.

Os dois erros. São as duas casas erradas de um quadro 2×2 entre o estado do mundo e a decisão.

	H0 verdadeira	H0 falsa
rejeitar H0	erro tipo I — probabilidade α	decisão correta — probabilidade 1 − β (poder)
não rejeitar H0	decisão correta — probabilidade 1 − α	erro tipo II — probabilidade β

Ancore os dois na decisão, não no nome: tipo I é rejeitar o que era verdadeiro; tipo II é não rejeitar o que era falso. O α é escolhido e é o nível de significância; o β é consequência e se lê pelo complemento, o poder do teste, 1 − β, que cresce com n, com a distância entre a verdade e H0 e com α.

A dualidade entre intervalo e teste. Não são dois assuntos: são o mesmo cálculo rearranjado. Um intervalo bilateral de confiança 1 − α e um teste bilateral de nível α para H0: θ = θ₀ dão sempre a mesma resposta —

rejeita-se H0 exatamente quando θ₀ cai fora do intervalo.

Mesmo erro padrão, mesmo valor crítico, mesma conta. Consequência prática: um item que fornece o intervalo já forneceu o teste, e basta verificar se o valor hipotético está dentro ou fora. A ressalva é o lado: a correspondência é entre bilateral e bilateral. Teste unilateral corresponde a um limite de confiança unilateral, não ao intervalo de dois lados.

O que decide os itens

par	o que decide
erro tipo I × erro tipo II	I é rejeitar H0 verdadeira (α); II é não rejeitar H0 falsa (β)
α × β	α é escolhido antes dos dados; β é consequência e depende de n, de σ e da verdade
α ↓ × β	com n fixo, baixar α aumenta β; só n reduz os dois
poder × nível	poder = 1 − β; nível de significância = α
p-valor × P(H0)	p-valor é P(dados extremos | H0); nunca P(H0 | dados)
p-valor × tamanho do efeito	significância não é magnitude
nível de confiança × este intervalo	1 − α é cobertura de longo prazo do procedimento, não probabilidade deste intervalo
parâmetro × limites	o parâmetro é fixo; os limites é que são aleatórios
erro padrão × intervalo	o erro padrão entra no intervalo; o intervalo não o produz
confiança ↑ × amplitude	mais confiança ⇒ intervalo mais largo
n ↑ × amplitude	amplitude cai com √n: quadruplicar n reduz o intervalo à metade
não rejeitar × aceitar	“aceitar H0” é como a banca redige não rejeitar, e assim gabarita; o que nunca vale é dizer que H0 ficou comprovada
H0 × H1	só H0 recebe distribuição; é sobre ela que a estatística é calculada
bilateral × unilateral	a dualidade com o intervalo vale bilateral com bilateral
rejeitar se p < α × p > α	p menor que α rejeita; a desigualdade invertida é item pronto

Números que caem

quantidade	valor
valor crítico bilateral, 95%	1,96
valor crítico unilateral, 95% (Φ(0,95))	1,645 — nos cadernos, 1,65
valor crítico bilateral, 90%	1,645
valor crítico bilateral, 99%	2,576
relação nível de confiança / α	confiança = 1 − α
níveis de significância usuais	0,10, 0,05 e 0,01
poder do teste	1 − β
regra de decisão pelo p-valor	rejeita-se H0 se p < α
amplitude do intervalo	proporcional a 1/√n
n para reduzir o intervalo à metade	quadruplicar n

Como a CEBRASPE derruba você aqui

Dos 10 itens explicáveis que chegaram a este tópico, 5 são Certos e 5 são Errados — e 4 dos 5 Errados erram pela mesma manobra: inversão. Um inverte o rótulo dos dois erros; um inverte a ordem de cálculo entre erro padrão e intervalo de confiança; um inverte os dois lados do condicionamento no p-valor; um inverte a conclusão da comparação entre p-valor e nível de significância. O quinto não erra por exagero, por número nem por exceção omitida: erra de endereço, colando em um teste a hipótese nula de outro. O décimo item, da ANTT 2023, chegara em fonte simbólica ilegível e voltou legível: é o único do tópico que se resolve por cálculo, e é Certo.

Trate esse 10 como piso, não como medida. A banca nomeia o assunto no comando do grupo e itens curtos carregam pouquíssimas palavras próprias, de modo que o classificador os perde sistematicamente — mais da metade destes 10 só chegou ao tópico por reclassificação manual. Neste tópico há um agravante próprio da disciplina: boa parte do que o acervo guarda sobre inferência veio em fonte simbólica e não sobreviveu à extração, e o que a correção de fontes devolveu ainda é minoria do que se perdeu. O que segue é a leitura desses 10, e ela é consistente com o que se mediu nas demais disciplinas de Economia e Finanças.

O par que vale por todo o tópico. O acervo guarda a mesma proposição em dois cadernos diferentes, com o rótulo trocado e gabaritos opostos:

• “um erro do tipo II é cometido ao se rejeitar a hipótese nula quando ela é efetivamente verdadeira” — Errado (ANTT 2023);
• “Erros do tipo I ocorrem quando a hipótese nula (H0) é rejeitada, embora seja verdadeira” — Certo (INFRASA 2026).

Tudo o mais é idêntico. A definição está correta nas duas; o que muda é o endereço — a qual dos dois erros ela é colada. Não existe exemplo melhor do que este tópico pede: leia a decisão descrita, decida sozinho de que erro se trata, e só então olhe o rótulo que o item usou.

A inversão canônica do p-valor, escrita com todas as letras. EMBRAPA 2024: “O p-valor representa a probabilidade de a hipótese nula de o teor populacional de proteína ser de 37%, dada a evidência observada nos dados” — Errado. É o erro que a seção seguinte descreve como o mais frequente do assunto, e o acervo agora o guarda em estado puro. Nada mais na frase está torto: os dois lados do condicionamento é que estão trocados. Defesa mecânica: o p-valor sempre supõe H0 e mede os dados; se o item condiciona aos dados e devolve probabilidade à hipótese, caiu.

O bloco de decisão: p-valor contra alfa, item após item. 4 dos 10 itens vêm de um mesmo caderno e se resolvem pela mesma comparação — o p-valor é dado no enunciado ou no item, e o nível de significância muda. Dois deles apenas comparam os números (0,0001 contra 1%, que rejeita; 0,02 contra os 5% do enunciado, que também rejeita) e um terceiro faz a comparação certa para encobrir a hipótese errada: a do teste de esfericidade não é a normalidade dos resíduos. Daí a rotina para o formato: confira primeiro de qual teste é a hipótese enunciada, depois de onde vem o alfa — ele costuma estar no comando do grupo, não no item —, e só então compare os dois números.

Não procure absoluto. Nenhum dos 10 itens contém sempre, nunca, apenas ou todo. O tell gramatical que funciona nos itens de TI não tem aqui o que prever, e pela razão que já se mediu em quatro disciplinas desta trilha: inferência é feita de definições e teoremas, e definição é absoluta por natureza. O Certo do par acima soa categórico justamente porque é definição de manual reproduzida com fidelidade — o absoluto é do teorema, não do examinador. A pergunta útil continua sendo de quem é o absoluto, nunca há um absoluto.

O que substitui: direção e endereço. É o que os 5 Errados fazem, sem exceção. Dois trocam o endereço: um o rótulo do erro, como acima; outro cola no teste de esfericidade a hipótese nula do teste de normalidade. Dois trocam a direção: um a do condicionamento no p-valor, outro a da decisão diante de um p-valor cem vezes menor que o alfa. E o quinto troca a direção da conta: descreve o intervalo de confiança como um conjunto de valores não aleatórios que permitiria estimar o erro padrão, quando a dependência corre no sentido oposto — o erro padrão é insumo do intervalo — e quando o que é aleatório são exatamente os limites do intervalo, não o parâmetro. Em item de intervalo, portanto, faça sempre as duas perguntas: quem é fixo e quem é aleatório, e em que ordem as contas ocorrem.

O disfarce de contexto. O Errado sobre o intervalo vem embrulhado em regressão linear, custos logísticos, preço de combustível e peso de frete. Nada disso participa da decisão: a frase seria igualmente falsa sem uma única palavra de transporte. Cenário econômico elaborado em item de inferência costuma ser enfeite — localize a proposição estatística e julgue só ela.

Erros clássicos

Ler o p-valor como a probabilidade de a hipótese nula ser verdadeira. É o erro mais frequente do assunto e a banca o escreve com todas as letras. O p-valor condiciona em H0: supõe H0 verdadeira e pergunta o quanto os dados seriam surpreendentes nesse mundo. A probabilidade de H0 dados os dados é outra quantidade, que exige distribuição a priori e que o teste clássico não produz.

Dizer que há 95% de probabilidade de o parâmetro estar neste intervalo. O parâmetro é fixo. A probabilidade é do procedimento: 95% dos intervalos construídos por esta receita cobririam o parâmetro ao longo de repetições. A formulação correta é sobre a receita, nunca sobre o intervalo obtido.

Trocar os rótulos dos dois erros. Tipo I rejeita o verdadeiro; tipo II não rejeita o falso. Decore pela decisão, não pelo nome — o nome é arbitrário e é exatamente por isso que a banca mexe nele.

Achar que dá para reduzir α e β ao mesmo tempo mexendo no α. Com n fixo, um sobe quando o outro desce. Quem reduz os dois é o aumento da amostra, e nada mais.

Concluir que H0 é verdadeira porque não foi rejeitada. Não rejeitar é ausência de evidência suficiente, e pode significar apenas que o teste não tinha poder. Atenção à leitura inversa deste erro, que já derrubou candidato: ver a palavra aceitar e marcar Errado por causa dela. A banca usa “a hipótese nula deve ser aceita” como sinônimo de “não se rejeita H0” e gabarita o item como Certo quando a estatística de fato cai na região de aceitação — foi o que fez na ANTT 2023. O erro está em afirmar que H0 ficou comprovada, não na palavra.

Confundir significância com magnitude. Um p-valor de 0,001 diz que o efeito dificilmente é zero; não diz que é grande, importante ou economicamente relevante. Com amostra suficientemente grande, quase tudo fica significativo.

Achar que o intervalo estima o erro padrão. É o contrário: o erro padrão entra na construção do intervalo, multiplicado pelo valor crítico.

Tratar intervalo e teste como assuntos separados. São o mesmo cálculo. Se o valor hipotético está fora do intervalo bilateral de 1 − α, o teste bilateral de nível α rejeita — sem nenhuma conta adicional.

Aumentar a confiança achando que melhora a estimativa. Confiança maior produz intervalo mais largo, isto é, menos informativo. Precisão se compra com amostra, não com nível de confiança.

Esquecer que α é fixado antes dos dados. Escolher o nível de significância depois de ver o p-valor esvazia a garantia que o método oferece — e é a diferença entre um teste e uma justificativa construída depois do fato.