Alternativa Correta: D - O poder do teste aumenta com o nível de significância, ou seja, quando se aumenta o nível de significância, o teste se torna mais poderoso.

Vamos analisar o tema central da questão: inferência estatística e teste de hipóteses. Essa questão é fundamental para entender como interpretamos resultados de amostras para inferir sobre populações. O conhecimento necessário inclui conceitos sobre erro do tipo I e tipo II, poder do teste, e nível de significância.

Em inferência estatística, o erro do tipo I ocorre quando rejeitamos uma hipótese nula verdadeira. A probabilidade desse erro é o nível de significância do teste, frequentemente denotado por α. Por outro lado, o erro do tipo II acontece quando não rejeitamos uma hipótese nula falsa, e sua probabilidade é denotada por β.

O poder de um teste é a capacidade de detectar uma diferença quando ela realmente existe, ou seja, a probabilidade de rejeitar a hipótese nula quando ela é falsa (1 - β). Em geral, aumentar o nível de significância (α) pode aumentar o poder do teste, embora isso também aumente a chance de erro do tipo I. É um equilíbrio delicado que os pesquisadores precisam gerenciar.

Justificativa para a Alternativa Correta: A alternativa D está correta porque, ao aumentar o nível de significância, você está permitindo uma maior probabilidade de rejeitar a hipótese nula, aumentando assim o poder do teste. Isso está de acordo com a teoria estatística que discute a relação entre o poder do teste e o nível de significância.

Análise das Alternativas Incorretas:

A - O erro do tipo I ocorre quando a hipótese nula é falsa, mas não é rejeitada.
Esta afirmação está incorreta. Como mencionado, o erro do tipo I ocorre quando rejeitamos uma hipótese nula que é verdadeira.

B - A probabilidade de erro do tipo I é denominada de poder do teste.
Esta é uma confusão de termos. A probabilidade de erro do tipo I é o nível de significância (α), não o poder do teste.

C - Um teste é considerado consistente se a probabilidade de erro do tipo II converge para o nível de significância quando o número de observações tende ao infinito.
Em um teste consistente, a probabilidade de erro do tipo II, na verdade, tende a zero à medida que o tamanho da amostra aumenta, não ao nível de significância.

E - Um teste é considerado bilateral se a hipótese nula envolve exatamente dois parâmetros.
Um teste é considerado bilateral ou bicaudal quando a hipótese alternativa permite desvios em ambas as direções em relação à hipótese nula, não necessariamente envolvendo dois parâmetros.

Compreender esses conceitos melhora significativamente a capacidade de aplicar corretamente técnicas de inferência estatística em pesquisa e análise de dados. Gostou do comentário? Deixe sua avaliação aqui embaixo!

O grau de confiança é habitualmente escrito como 1 - α, onde α é o complementar do grau de confiança, ou seja, é o nível de significância. Assim, dizer que temos um grau de confiança de 0.95 (ou 95%) é o mesmo do que dizer que temos um nível de significância α = 0.05. Do mesmo modo, se 1 - α =0.99 (99%) então α = 0.01

Gabarito: C (incorreto, a banca confundiu grau (nível) de confiança com nível de significância)