O que decide a resposta

A regra clássica de inferência estatística decide o item I: para ser estatisticamente significativo no limiar padrão de α = 0,05, o valor deve ser p < 0,05 (e não maior). Como os conceitos de erro tipo I (rejeitar H₀ verdadeira) e erro tipo II (não rejeitar H₀ falsa) estão corretos, apenas as afirmativas II e III são verdadeiras.

Raciocínio clínico

Vamos analisar sistematicamente cada uma das afirmativas:

Item I: Incorreto. O valor de p (p-valor) mede a probabilidade de se encontrar o resultado observado (ou mais extremo) admitindo-se que a hipótese nula (H₀) seja verdadeira. Quando p < 0,05, consideramos a probabilidade de acaso muito baixa, rejeitamos H₀ e declaramos significância estatística. Um resultado com p > 0,05 indica que não há evidência suficiente para rejeitar H₀.

Item II: Correto. O erro tipo I (ou erro alfa, α) é o equivalente ao "falso-positivo" do estudo. Ele acontece exatamente quando rejeitamos uma hipótese nula que era, na verdade, verdadeira (ou seja, afirmamos que há diferença ou efeito que na realidade não existe).

Item III: Correto. O erro tipo II (ou erro beta, β) é o "falso-negativo". Ocorre quando o estudo não rejeita uma hipótese nula que era falsa (ou seja, deixamos de demonstrar uma diferença real existente, em geral por amostra insuficiente ou baixo poder estatístico).

Portanto, apenas as proposições II e III estão corretas.

Por que acontece

A inferência estatística trabalha com amostras populacionais sujeitas ao acaso. O p-valor quantifica o risco de erro ao rejeitar a hipótese nula: quanto menor o p, menor a probabilidade de o achado ter ocorrido por pura flutuação amostral.

Conduta

Ao desenhar ou interpretar um estudo epidemiológico:

• –O nível de significância padrão deve ser pré-fixado antes da coleta de dados, usualmente em α = 0,05 (5%), e o poder do estudo em 1 - β ≥ 0,80 (80%).
• –Nunca interprete um valor de p isoladamente como prova de eficácia clínica: avalie sempre as medidas de efeito (tamanho do efeito, Risco Relativo, NNT) e os intervalos de confiança de 95% (IC 95%).
• –Não conclua que "não há efeito" diante de um p ≥ 0,05 sem antes checar se o tamanho da amostra (poder estatístico) foi suficiente para afastar um erro tipo II.

Como isso cai nas provas

Bioestatística e testes de hipóteses costumam ser cobrados em formato conceitual direto ou aplicação em tabelas de estudos. Duas confusões clássicas:

• –Erro Tipo I versus Erro Tipo II: o discriminador é lembrar que Tipo I = falso-positivo (rejeita H₀ verdadeira; probabilidade α) e Tipo II = falso-negativo (não rejeita H₀ falsa; probabilidade β).
• –Significância estatística versus Significância clínica: o discriminador é que p < 0,05 apenas afasta o acaso com base no α definido, mas a relevância prática depende da magnitude da medida de associação (como NNT baixo ou grande redução de risco absoluto).