Estudantes para Melhores Evidências

ERRO TIPO 1 E ERRO TIPO 2 

4 de fevereiro de 2026 

CONTEXTO 

Todo cientista envolvido em um estudo e que possui uma hipótese, precisa testá-la. Essa hipótese é uma proposição científica que, por natureza, deve permitir ser refutada com outra hipótese [1]. Em um ensaio clínico randomizado (ECR), não é diferente e o pesquisador deve testar duas hipóteses: 

  • H0 = hipótese nula – Não há diferença entre os dois grupos do ECR 
  • H1 = hipótese alternativa – Há diferença entre os dois grupos do ECR 

Para podermos refutar ou aceitar a hipótese nula (H0) com segurança, ao realizar um ECR, é necessário calcular o tamanho amostral adequado, que possibilite observar alguma diferença entre os dois grupos, se essa diferença existir. Como se trata apenas de uma amostragem da população total, sempre haverá algum risco de erro, que deverá ser estimado a fim de elucidar o quão representativa é a amostra (ou seja, qual o poder estatístico da amostra). Existem dois tipos de erros possíveis: o erro tipo 1 e o erro tipo 2. 

ERRO TIPO 1  

É representado pela letra grega alfa “α” e corresponde à probabilidade de se rejeitar H₀ quando ela é verdadeira, ou seja, detectar um efeito positivo que não existe (falso positivo). No contexto de um ensaio clínico, seria a probabilidade de concluir que existe uma diferença entre os efeitos das intervenções quando, na verdade, esta diferença não existe. Por norma, o valor máximo atribuído a este tipo de erro (ou seja, a probabilidade máxima de detectar um efeito que não existe) é de 5%, ou seja, a cada 20 decisões de rejeitar H₀, uma delas será errada [2]. 

ERRO TIPO 2 

É representado pela letra grega beta “β” e corresponde à probabilidade de não rejeitar H₀ quando ela é falsa [3], ou seja, não detectar um efeito quando ele existe (falso negativo). No contexto de um ensaio clínico, seria a probabilidade de concluir que não existe uma diferença entre os efeitos das intervenções quando, na verdade, esta diferença existe. É frequente aceitar, no máximo, uma decisão errada para cada não rejeição de H₀; logo 20% do valor máximo de probabilidade de cometer um erro tipo 2.  

O complemento da probabilidade de erro tipo 2 é o poder estatístico da amostra, ou seja, para um β = 20%, indica um poder de 80% da amostra em identificar uma diferença entre os grupos comparados. 

Assim, quando se toma uma decisão rejeitar ou não H₀, pode-se cometer um erro estatístico (tipo 1 ou tipo 2). Quando se rejeita H₀, há risco de cometer um erro tipo 1; quando não se rejeita H₀, a possiblidade de erro será do tipo 2 (Quadro 1). 

Quadro 1.  Resumo exemplificando erro tipo 1 e erro tipo 2. 

  Resultado do estudo comparando medicamento A versus B  
    Verdade   H₀ rejeitada   H₀ não rejeitada  
H₀ verdadeira (não há diferença de efeito entre o medicamento A e B) Erro tipo 1 Decisão correta  
H₀ falsa  (há diferença de efeito entre o medicamento A e B) Decisão correta Erro tipo 2  

CONCLUSÃO 

Quando se realiza um teste estatístico, é desejável que tanto o valor de α como de β sejam os menores possíveis. Porém, para uma mesma determinada dimensão ou tamanho amostral (em um mesmo estudo), não é possível que se diminua simultaneamente a probabilidade dos dois tipos de erros. Se reduzir o valor de α, aumentará o valor de β, e vice-versa. Nesse caso, a solução ideal é aumentar o tamanho amostral, contribuindo, assim, para a minimização dos dois tipos de erros ao mesmo tempo. Contudo, é preciso equacionar os custos desse aumento da dimensão da amostra, em face dos ganhos pretendidos de redução das probabilidades de cometer os erros estatísticos supramencionados.  

AUTORES 

Versão 1- 20/05/2022 

Andreia Cristina Feitosa do Carmo, Fernanda Freitas de Brito, Felicio Aragão Savioli, Jorge Fernando Pereira Sinval e Juliana Marilia Berretta, alunos de pós-graduação do Programa de Pós-graduação em Saúde Baseada em Evidências, Universidade Federal de São Paulo (Unifesp).  

Rachel Riera, MD, MSc, PhD. Professora associada, Escola Paulista de Medicina (EPM), Universidade Federal de São Paulo (Unifesp). 

Versão 2- 04/02/2026 

Daniele Ho, farmacêutica, Disciplina de Medicina Baseada em Evidências, Escola Paulista de Medicina (EPM), Universidade Federal de São Paulo (Unifesp). 

Rachel Riera, MD, MSc, PhD. Professora associada, Escola Paulista de Medicina (EPM), Universidade Federal de São Paulo (Unifesp). 

COMO CITAR: Carmo ACF, de Britto FF, Savioli FA, Sinval JFPS, Berretta JM, Ho D, Riera R. Erro tipo 1 e erro tipo 2. Estudantes para as melhores evidências (EME). Publicado em 4 de fevereiro de 2026. Disponível em: [colar link]. Acessado em [dia, mês e ano]. 

REFERÊNCIAS 

  1. Patriota AG. Uma medida de evidência alternativa para testar hipóteses gerais. Instituto de Matemática e Estatística- Universidade de São Paulo. Disponível em: https://www.ime.usp.br/~patriota/medida_evi.pdf. Acessado em 4 de fevereiro de 2026. 
  1. Hossain M. Making sense of medical statistics: A bite sized visual guide [Internet]. Cambridge, UK: Cambridge University Press; 2021. Disponível em: from: https://www.cambridge.org/core/product/identifier/9781108973663/type/book. Acessado em 4 de fevereiro de 2026. 
  1. Privitera GJ. Statistics for the behavioral sciences. 3rd ed. Thousand Oaks, CA, USA: SAGE; 2018.