O Método Mais Adequado Para Responder A Uma Hipótese

Responder a uma hipótese não é encaixar dados numa fórmula e torcer pelo valor-p

A primeira coisa que todo mundo esquece é que testar uma hipótese começa muito antes de abrir qualquer software estatístico. Você precisa saber exatamente o que está medindo, qual erro experimental está disposto a aceitar e, principalmente, qual seria a consequência prática de estar errado. Li na minha época de doutorado um paper que rejeitava uma hipótese com p = 0,03 e depois descobri que o autor tinha feito análise post-hoc em três variáveis sem correção de Bonferroni ou Holm. O resultado era lixo. Nunca mais confiei em rejeição de hipótese que não tivesse o protocolo escrito antes da coleta de dados.

o método mais adequado para responder a uma hipótese

O procedimento real funciona assim, na prática. Primeiro você formula a hipótese nula (H0) e a alternativa (H1) de forma mutuamente excludente e operacionalizável. Não adianta dizer "o tratamento X melhora o resultado Y". Isso vira uma bagunça na hora de coletar dados. O certo é especificar a direção do efeito, a magnitude mínima que faz diferença e o desvio padrão esperado com base em literatura ou piloto. Depois disso vem o delineamento. Escolha o teste adequado ao tipo de dado. Se é paramétrico e você tem duas médias independentes, teste t de Student. Se são pareados, teste t pareado. Para mais de dois grupos, ANOVA. Dados não paramétricos pedem Mann-Whitney, Kruskal-Wallis ou Wilcoxon. Se são proporções, Qui-quadrado ou exato de Fisher. A maioria dos erros que vejo acontece porque alguém aplica teste t em dados ordinais ou usa regressão linear quando a variável resposta é binária. Isso não é falha do método, é falha de quem escolheu o método errado.

O tamanho amostral é onde a maioria das pessoas gasta tempo demais. Use poder estatístico de 80% e alfa de 5% como ponto de partida. Se você não consegue estimar o efeito esperado, faça um estudo piloto com 10 a 15 observações por grupo e use aquele desvio padrão para calcular o n definitivo. Leva duas semanas e evita que você perca três meses coletando dados insuficientes. A coleta precisa ser cega quando possível. Eu tinha um caso em que a equipe de campo sabia qual grupo era o tratamento e, conscientemente, registrava valores um pouco mais otimistas no grupo experimental. Quando fiz análise sensibilidade removendo os valores mais extremos de cada grupo, o efeito desaparecia. Dobrei o tamanho da amostra, reintroduzi o mascaramento e repeti. Só aí o resultado foi confiável.

Antes de testar, verifique as premissas. Normalidade com Shapiro-Wilk ou QQ-plot. Homogeneidade de variâncias com Levene ou Brown-Forsythe. Se uma delas falhar, transforme os dados ou mude para o teste não paramétrico correspondente. Anotar isso no protocolo evita que revisores questionem depois. A análise em si é direta com qualquer pacote estatístico — R, Python, SPSS, JASP. O importante é reportar intervalo de confiança junto com o valor-p. Um valor-p de 0,049 não é magicamente diferente de 0,051. O intervalo de confiança é que diz se o efeito é grande o suficiente para importar no mundo real. Se o IC de 95% para a diferença de médias vai de -0,2 a 1,8, você não tem evidência sólida de nada, independente do valor-p.

Um detalhe que quase ninguém menciona: a hipótese nula nunca é provada. Rejeitar H0 significa que os dados são incompatíveis com ela sob as condições do teste. Não rejeitar H0 não prova que H0 é verdadeira. É apenas ausência de evidência suficiente. Aceitar H0 como verdade é um dos erros mais comuns em relatórios acadêmicos e corporativos que eu já vi. Para hipóteses mais complexas, como as que envolvem modelos preditivos ou múltiplas variáveis, considere validação cruzada em vez de apenas dividir o dataset. Uma validação cruzada com 5 a 10 folds dá uma estimativa muito mais honesta do desempenho do modelo do que um treino-teste único. Eu já perdi semanas acompanhando um modelo que parecia excelente no set de teste e depois quebrou completamente em produção porque a distribuição dos dados era diferente.

Há situações em que o método clássico de teste de hipótese simplesmente não funciona bem. Amostras muito pequenas, dados extremamente assimétricos ou hipóteses com efeito esperado quase nulo vão produzir resultados instáveis. Nesses casos, abordagens bayesianas com intervalos de credibilidade ou análise de equivalência podem ser mais úteis. A escolha depende do objetivo, não da moda. O que eu recomendo na prática é um fluxograma simples que você segue em ordem: especificar H0 e H1 com magnitude do efeito, calcular tamanho amostral com base em poder e variabilidade esperada, coletar dados com protocolos de controle de viés, verificar premissas, executar o teste, reportar IC e valor-p, e finalmente interpretar o resultado dentro do contexto prático. Qualquer passo fora dessa sequência gera ruído.

Se você quer algo concreto para começar, o pacote PAST é gratuito, roda no Windows e cobre a maioria dos testes mencionados aqui. Para automação, o pacote bruceR do R facilita a geração de tabelas de resultados com formatação padrão para publicações. Um estudo completo, do desenho à análise, costuma levar de uma a três semanas dependendo da complexidade. Análises apressadas levam meia hora e produz irreproducíveis.