Autor: Revista Agraria Academica

Revista Agrária Acadêmica

agrariacad.com

doi: 10.32406/v8n4/2025/23-34/agrariacad

Impacto da ausência de indústria de processamento de tomate na Baía-Farta, Província de Benguela, Angola. Impact of the absence of a tomato processing industry in Baía-Farta, Benguela Province, Angola.

Nsilulu Major Cuenda Quibula¹

^1- Mestre em Organização Empresarial e Projetos Industriais – Universidad Europea del Atlántico. Docente Colaborador, Instituto Superior Politécnico de Benguela – ISPB, Angola. E-mail: nsiluluquibula10@gmail.com

Resumo

Uma agroindústria é um meio físico equipado e preparado para atividades relacionadas à transformação das matérias-primas provenientes do campo agrícola, pecuária ou ainda silvicultura. Benguela, localizado na região centro-sul de Angola, é uma área com grande potencial agrícola, destacando-se na produção de tomate. As comunas de Equimina e Dombe-Grande, em particular, possuem vastas áreas agrícolas voltadas para o cultivo de tomate, mas enfrentam dificuldades devido à ausência de uma estrutura industrial que agregue valor à produção. O objetivo principal do estudo é analisar os impactos econômicos, sociais e produtivos da falta de uma indústria de transformação de tomate nas comunas de Equimina e Dombe-Grande, no município da Baía-Farta, província de Benguela. A pesquisa apresenta o cunho de uma abordagem qualitativa, com a realização de entrevistas semiestruturadas com produtores. A análise de dados seguiu uma abordagem descritiva e interpretativa, considerando o contexto socioeconômico das comunas e a literatura relacionada ao impacto da ausência de indústrias de processamento agrícola. Os resultados indicam que a falta de uma indústria de processamento de tomate em Benguela tem implicações diretas na estabilidade econômica, produtivas e sociais nas duas comunas em estudo. Isso afeta diretamente a sustentabilidade da produção local e impede o desenvolvimento de uma cadeia produtiva mais robusta.

Palavras-chave: Agroalimentar. Inatividade. Manuseamento. Socioeconômico. Região Sul.

Abstract

An agroindustry is a physical environment equipped and prepared for activities related to the transformation of raw materials from agricultural fields, livestock farming or forestry. Benguela, located in the south-central region of Angola, is an area with great agricultural potential, standing out in tomato production. The communes of Equimina and Dombe-Grande, in particular, have vast agricultural areas dedicated to tomato cultivation, but face difficulties due to the lack of an industrial structure that adds value to production. The main objective of the study is to analyze the economic, social and productive impacts of the lack of a tomato processing industry in the communes of Equimina and Dombe-Grande, in the municipality of Baía-Farta, Benguela province. The research presents a qualitative approach, with semi-structured interviews with producers. Data analysis followed a descriptive and interpretative approach, considering the socioeconomic context of the communes and the literature related to the impact of the absence of agricultural processing industries. The results indicate that the lack of a tomato processing industry in Benguela has direct implications for the economic, productive and social stability of the two communes under study. This directly affects the sustainability of local production and prevents the development of a more robust production chain.

Keywords: Agri-food. Inactivity. Handling. Socioeconomic. Southern Region.

Introdução

Uma agroindústria é um meio físico equipado e preparado para atividades relacionadas à transformação das matérias-primas provenientes do campo agrícola, pecuária ou ainda silvicultura. Têm o objetivo de transformar a matéria-prima, aumentado a sua disponibilidade, prazo de validade, diminuir a sazonalidade e agregar valor aos alimentos (KATATA, 2019).

O tomate pertence à família das solanáceas e pode desenvolver-se em climas do tipo tropical de altitude, subtropical e temperado (KATATA, 2019). Ela é uma planta perene, mas cultivada como anual, herbácea e de porte arbustivo. Pode ser cultivado em dois tipos de segmentos produtivos, um destinado ao mercado para consumo in natura e outro para processamento industrial (FILGUEIRA, 2008).

O tomate é um produto de grande importância nutricional e econômica e seu consumo contribui para uma dieta saudável e bem equilibrada. No entanto, na comercialização de hortaliças, um fator desfavorável é o alto índice de perdas pós-colheita, que reduzem sensivelmente a disponibilidade desses produtos (MAGALHÃES et al., 2009). A demanda dos produtos manufaturados à base de tomate tem sofrido flutuações devido aos comportamentos de mercado, particularmente relacionados a diferentes regiões do mundo e períodos do ano

De acordo com o INE (2023) A cultura do tomate vem desempenhando uma importância socioeconômica muito grande em Angola, nas últimas campanhas agrícolas, tanto nas explorações agrícolas familiares e também nas explorações agrícolas empresarial. Sendo que segundo o relatório do ministério da agricultura da campanha agrícola 2022/2023 entre as hortaliças a produção do tomate foi a que mais aumentou nos últimos dois anos com uma produção a rondar ao 44 545 t e uma contribuição de 16% abaixo apenas da cultura do alho, isso nas EAF e já nas EAE o tomate foi a produção que mais aumentou com uma produção a rondar 313 726 t, contribuindo com cerca de 48,5%.

Para indústria de processamento de tomate em Angola, segundo o Jornal o País, as Províncias de Namibe, Huila e Benguela (propriamente na comuna do Dombe-Grande), são as que possuem as mesmas fábricas. E segundo a mesmas fontes, as três fábricas encontram-se inoperantes, e que tem influenciado no desperdício e escassez do produto nas diferentes épocas do ano.

A província de Benguela, especialmente as comunas de Equimina e Dombe-Grande, é uma das principais áreas produtoras de tomate em Angola. No entanto, apesar da produção significativa, a falta de uma indústria de transformação de tomate tem impedido a maximização dos benefícios econômicos e sociais para os agricultores e as comunidades locais.

Deste modo, o artigo tem como objetivo de analisar os impactos econômicos, sociais e produtivos da falta de uma indústria de transformação de tomate nas duas comunas.

Material e métodos

Foi escolhida a pesquisa qualitativa de estudo de caso, sendo que a sua finalidade foi descritiva e explicativa, visando explorar as características e os impactos da falta da indústria de processamento de tomate nas duas comunas.

O estudo foi desenvolvido entre os meses de outubro de 2024 a fevereiro de 2025. A metodologia da pesquisa, apresentou três fases importantes:

1- Busca bibliográfica diferenciada: as fontes de pesquisa e recursos de busca baseados nas publicações internacionais usados foram: SciELO, Google Acadêmico, EBSCO e Scopus. Para uma busca diferenciada foram selecionados materiais de pesquisa, onde foram analisados os pontos chaves de cada material como sumário, resumo e introdução, baixando a amostra para trabalhos mais pertinentes ao objetivo da pesquisa.

2- Entrevista com roteiro flexível ou semiestruturada com os produtores: foram entrevistados um total de 20 produtores de tomate, nas Comunas de Dombe-Grande e Equimina, no Município da Baía-Farta, Província de Benguela. O foco foi recolher informações do impacto da ausência de indústria de processamento do tomate nas duas comunas. Além da entrevista, realizou-se a observação não participante do pesquisador durante a visita às áreas.

3- Posteriormente, foram definidos os critérios para a seleção das áreas que participarão dos trabalhos. Os principais critérios de seleção estão relacionados aos tópicos desta pesquisa, ou seja, foram pesquisados os potenciais participantes para o estudo, tais como líderes comunitários e os produtores da cultura do tomate. A seleção dos participantes para realização da coleta dos dados, foi simples e não rígida, onde para os produtores selecionados foram os que realizam atividade de produção de tomate nas duas comunas de Equimina e Dombe-Grande, com tempo nessa atividade não inferior de 1 anos, líderes comunitários (autoridades tradicionais locais) das duas comunas, que perfazem um total de 20 entrevistados.

Caracterização da área de estudo

A Província de Benguela possui uma área total de 39.826,83 km², ocupando cerca de 3,19% do território nacional. Confina a Norte com a Província do Kwanza-Sul, a Leste com a Província do Huambo, a Sul com a Província do Namibe e da Huíla e a Oeste com o Oceano Atlântico (CAVELA, 2013).

Baía-Farta é o nome atribuído ao Município mais a Sul da província de Benguela e dista a 25km da cidade capital da Província. Limita-se a Norte com o Município de Benguela, a Oeste com o oceano Atlântico, a Leste com os Municípios de Caimbambo e Chongoroi, a Sul com a Província do Namibe (PASSASI, 2011). Tem uma área de 6.744 Km², distribuídos por quatro Comunas: Comuna Sede, Dombe-Grande, Equimina, Kalohanga (PASSASI, 2011). A referência agrícola são as culturas do feijão, cebola, milho e tomate (Figura 1).

Figura 1 – Mapa de localização Baía-Farta – Benguela.

Resultados e discussão

No presente capítulo são apresentados os resultados obtidos no sentido de responder ao problema de pesquisa formulado. O questionário se dividiu em 5 partes. Na primeira parte foram recolhidas informações gerais dos participantes das duas comunas, compreendendo o género, a idade, tamanho da área, o tempo de produção, e a finalidade da produção, a segunda, terceira, quarta parte está relacionado diretamente com o problema do estudo, compreendendo o impacto econômico, social e produtivo na ausência da indústria de processamento. A quinta parte, permitiu ao autor entender a visão dos produtores quanto a solução e perspectiva de um futuro próximo da indústria de processamento na sua região.

Perfil dos participantes

Os dados da Tabela 1, demostram que a área de cultivo da cultura do tomate nas duas comunas Dombe-Grande e Equimina são superiores à 1ha. Não há dados que traçam o perfil de produtores de tomate quanto a área de produção. Para o fator tempo de produção da cultura do tomate, os dados demostram que a minoria dos produtores apresenta uma experiência de 1 ano que foi representado com 10% dos produtores, 2-5 anos foi de 30% e com mais de 5 anos de produção da cultura, representado com a maioria foi de 60% dos produtores. No estudo Permanência no campo: as motivações do agricultor para investir na propriedade rural e as expectativas de sucessão, a permanência nas terras, enquadra no processo de derivação da categoria aprendizagem do agricultor (SANTOS; POZZER, 2019). Com base fator género, os homens na área em estudo encontram-se em número maior, representando 90% dos entrevistados em comparação direta com as mulheres que representam apenas 10%.

Tabela 1 – Perfil dos 20 produtores da cultura do tomate

Diversos estudos que examinaram a divisão do trabalho por sexo na agricultura permitiram concluir que as mulheres ocupam uma posição subordinada e seu trabalho geralmente aparece como ‘ajuda’, mesmo quando elas trabalham tanto quanto os homens ou executam as mesmas atividades que eles (LOLI et al., 2019).

Em síntese, a posição subordinada das mulheres na esfera produtiva dos estabelecimentos agropecuários é assim evidenciada (BRUMER, 2004):

As tarefas executadas no âmbito da esfera produtiva (produção destinada à comercialização) só são contabilizadas como parte de um esforço coletivo, na maioria das vezes aparecendo apenas como ‘ajuda’;

1. Seu trabalho na esfera produtiva permanece praticamente invisível, tendo em vista que é praticado no interior do estabelecimento, sendo os homens praticamente os únicos responsáveis pelos contatos com o exterior (contato com extensionistas, bancos, sindicato, cooperativa, firmas vendedoras de insumos e compradores);
2. Elas não detêm o conhecimento tecnológico necessário para administrar o estabelecimento agropecuário;
3. Elas não administram os recursos originados com a venda da produção.

Impactos econômicos

A economia angolana é a terceira maior economia da África subsaariana. É uma nação em recuperação dos efeitos de mais de três décadas de guerra civil que devastou o país e as suas infraestruturas. A ausência de infraestrutura, de capacidade e de recursos humanos, faz deste período pós-guerra um grande desafio para o desenvolvimento do país (MATEUS, 2013).

Os dados do estudo realizado (Figura 2), demostram que os produtores das duas comunas Dombe-Grande e Equimina, não conseguem vender toda a sua produção do tomate. Onde a percentagem de perca das produções de tomate atinge mais de 50% que corresponde um total de 45% dos produtores, entre 20% e 50% correspondem 25% dos produtores e menos de 20% corresponde a 35% dos produtores. Os grandes motivos da perca das suas produções, encontram-se em grande maioria em ataques de pragas e doenças, antes e pós-colheita do tomate, que corresponde a 18 produtores, a falta de indústria de processamento é o segundo fator que correspondeu a 6 produtores e por último problema no escoamento para o mercado, num total de 4 produtores.

Almeida et al. (2012) observaram que em determinados períodos do ano, os insetos podem levar a perda de mais da metade da produção de tomate (70%). O segundo principal dano observado no estudo sobre causas de perdas pós-colheita em cultivares de tomates comercializados na Ceasa, Ceará com 21,90% (2,90 kg 2,5), estava associado ao ataque de pragas, identificando-se principalmente ataques de traça e broca pequena.

Especificamente relacionados às perdas ocasionadas na atividade de transporte, tem-se como referência os trabalhos de Caixeta Filho (1995). O autor apresenta um estudo bastante completo sobre a modelagem de perdas que ocorrem no transporte de produtos agrícolas. Segundo ele, as causas das perdas estão intimamente ligadas a três grupos de tecnologias: modalidade de transporte, tipo de equipamento e tipo de embalagem (CAIXETA FILHO, 1995).

Ainda na mesma variável econômica, para os fatores tais como: Falta de fábricas de processamento de tomate impacta diretamente para renda do produtor, identificou nesse estudo que dos entrevistados 95% sentem o impacto direto da ausência de uma indústria de processamento de tomate nas suas rendas; isso devido a terem que vender os produtos a preços baixos em períodos de maior oferta no mercado. Isso porque o estudo ainda mostrou que 95% dos mesmos entrevistados já venderam o tomate a preços muito baixos devido a sua falta de mercado para a produção de excedente, e que desse universo de produtores 65% deles já reduzir a área plantada de tomate por causa da falta de mercado para o produto.

Figura 2 – Impactos econômicos.

Impacto social

No impacto social, os resultados indicam que todos os produtores de tomate entrevistados nas duas comunas, concordam que a falta de uma indústria de processamento afeta a geração de empregos em sua comunidade.

Na figura 3, sobre como a implementação de uma indústria poderia beneficiar a comunidade, dos produtores entrevistados, 55% dos entrevistados permitiram identificar que aumentaria a produção local, e também 30% declararam que melhoraria a qualidade de vida na comunidade, a seguir a esses fatores estão o desenvolvimento local (transporte e serviços) e aumento do crescimento econômico local.

A agricultura tem um papel a ter em conta no processo de desenvolvimento econômico, sendo um dos primeiros fatores preponderante que concretamente se enfatiza na dinamização da indústria, no comércio e os serviços, através de importantes efeitos que mantém com o resto da economia. A conectividade que se mantém entre a indústria e agricultura entre vários os pontos podemos destacar o desenvolvimento urbano-industrial que influencia o desenvolvimento agrícola que por sua vez, através da procura de mão-de-obra, matérias-primas e alimentos proveniente do setor agrícola (DOMINGOS, 2016).

Os impactos sobre o desenvolvimento da região, em função da instalação de uma nova atividade econômica, são sentidos sobre o mercado de trabalho regional, sobre o nível de produção regional, sobre o nível de renda regional e sobre o nível de arrecadação tributária da região. Esses impactos, como visto, não se restringem apenas ao emprego, à produção, à renda e aos tributos gerados diretamente pela nova atividade, mas, também, graças aos multiplicadores regionais, ao emprego, à produção, à renda e aos tributos gerados por todas as atividades estimuladas pela instalação desta (SHIKIDA; SOUZA, 2009).

Figura 3 – Impacto social.

Impactos na produção

Sobre o impacto na produção do tomate, a Tabela 2 demostra que 95% dos produtores das duas comunas indicaram que ausência de uma indústria de processamento tem grande impacto no aumento do investimento para aumento da produção. Onde acrescentam de forma unanime que com a presença funcional de uma indústria de processamento estarão dispostos em expandir a sua produção.

Tabela 2 – Impactos na produção da ausência de indústria

O crescimento da renda regional, em função da instalação da nova atividade econômica e de sua influência sobre outras atividades (através dos efeitos de encadeamento por ela gerados), promoverá uma expansão nos mercados locais, estimulando o crescimento da produção local para o atendimento do consumo privado ou dos investimentos reais. Com isso, haverá um aumento da demanda local por alimentos, vestuário, serviços médicos e de ensino, construção civil, entre outros, estimulando as atividades responsáveis por sua oferta (efeitos induzidos) (SHIKIDA; SOUZA, 2009).

Na Tabela 3, podemos verificar também que os principais desafios que os produtores enfrentam na produção de tomate, com grande realce na dificuldade em armazenar o tomate e alto custos de transporte, abaixo delas estão os baixos preços, a deterioração e por último o mercado para o tomate industrial. Os produtores das duas comunas apontaram que a dificuldade de armazenamento está ligada pela falta de conhecimento técnico para prolongar a vida útil do tomate e também por não possuírem logística na fazenda para o armazenamento do mesmo. Constatou-se que os produtores apontam a baixa dos preços como um dos desafios, isso devido à época de maior excedente do produto no mercado.

Tabela 3 – Desafios que os produtores enfrentam na produção de tomate

As hortaliças estão sujeitas a diversos tipos de danos após a colheita, ocasionados por condições inadequadas de manuseio e armazenagem. Os principais motivos de perdas após a colheita são devido à falta de mão-de-obra capacitada, uso de práticas inadequadas de produção e ao desconhecimento de técnicas adequadas de manuseio pós-colheita (SOUSA, 2021).

A demanda de mercado é determinada pela quantidade de produto que os consumidores estão dispostos a adquirir nos diferentes níveis de preço. Existem outros fatores que afetam a quantidade demandada de um bem além do preço: os preços dos bens substitutos, a renda e as preferências do consumidor, bem como a propaganda, podem influenciar diretamente a demanda por certo bem. Em determinados produtos, a demanda tende a ser mais elástica a preços, quando os gastos de um consumidor são elevados com determinado produto ou quando este possui grande número de bens substitutos. No caso de a demanda ser menos elástica a preço, o produto caracteriza-se por possuir poucos substitutos diretos e baixo valor de mercado (BERTOTTI; MASSUQUETTI, 2010).

Sugestões dos produtores

Os dados recolhidos mostram que os produtores sentem uma grande necessidade de implementação de uma indústria de processamento como uma prioridade para melhorar a cadeia de produção da cultura do tomate, estando representado com 45%, sendo a seguir sem muita diferença significativa da melhoria das vias de acesso e transporte, com apoio técnico e insumos mais acessíveis. Destaca-se que criação de uma cooperativa de produtores é representado por 5% (Figura 4).

Benguela é uma das províncias de Angola que tem grandes polos industriais no ativo e outras inativas, mas em termos de indústria de processamento do tomate, apenas existe uma, isso na Baía-Farta que se encontra inativa, e os agricultores e não só das duas comunas solicitam para que o governo giza esforço para reativar o mesmo.

A situação das estradas também continua ser um calcanhar de Aquiles para os produtores das duas comunas, vistos que as suas fazendas se encontram no interior da zona rural, e as estradas secundárias, terciarias encontram-se totalmente debilitadas, e que torna o processo de comercialização cada vez mais difícil. Facilitando assim para o deterioramento da cultura e baixo preço do produto.

O estudo aponta a necessidade também de criação de cooperativas, para fazer face as grande lutas que os mesmos produtores têm enfrentado. Tanto na questão quesito preço, comercialização e dificuldade em concessão de crédito, etc.

Cooperativas agrícolas podem assumir importante papel na coordenação de sistemas agroalimentares em complementação ao Estado. Essa capacidade coordenadora resulta da tendência de crescimento vertical das estruturas cooperativas e, “entender as cooperativas é entender os incentivos para a integração vertical” (ZYLBERSZTAJN, 1994).

Figura 4 – Medidas de melhorar a cadeia de produção.

Destaca-se também na Figura 4, o ponto da assistência técnica e acessibilidade nos insumos, dizer que a mesma província, em especial a Baía-Farta já foi beneficiada de projetos virado a extensão rural. Mas é de salientar que ainda não é suficiente em números e resultados.

A importância da assistência técnica na transformação das práticas agrícolas, argumentando que a adoção de tecnologias modernas e sustentáveis requer não apenas acesso a essas inovações, mas também a orientação e o suporte contínuo fornecidos pela assistência técnica (SOUSA; ANDRADE, 2024).

Recomendações

Dos dados recolhidos com o inquérito e visita de constatação, as recomendações para a implementação/ativação de uma indústria de transformação de tomate que beneficie a economia local e promova o desenvolvimento sustentável das comunas estudadas, passam por esses pontos:

• Projeto de investigação:

Segundo os dados adquirido no inquérito feito, foi notório de forma unanime nas duas comunas, da perdas de produção devido a existência de pragas e doenças. Fazendo com que aumente o índice da redução da produtividade e consequentemente a redução do produto no mercado. O urge a necessidade de se reforçar projetos com instituições públicas e privadas para desenvolver sementes melhoradas, para fazer face a esse fenómeno natural.

O sucesso de qualquer empreendimento agrícola, necessita o uso de semente de grande qualidade, com potencial de produzir plantas vigoras e produtivas e de forma uniforme. E isso torna-se viável através de pesquisas, tanto das instituições públicas e privadas. E assim viabilizar a existência de uma indústria de processamento.

• Fortalecer a cadeia de suprimentos local:

As linhas rodoviárias e ferroviárias centralizam os meus principais de movimento dos produtos que abastecem a cadeia produtiva da região. Além da indústria de processamento, deve se promover o desenvolvimento de outros elos da cadeia de valor, como o transporte, o armazenamento e a logística. Investir na infraestrutura de armazenamento. O sector dos transportes joga um papel de extrema importância no fortalecimento da cadeia produtiva.

• Treinamento de produtores locais:

Os dados mostram também que o índice de escolaridade dos produtores de tomate, tem uma grande influência na maneira de gerir a sua atividade agrícola e bem como o maneio de produção. A grande preocupação é que dos produtores entrevistados, apenas um encontra-se a frequentar o ensino superior na especialidade de agropecuária.

Para garantir que a produção de tomate esteja com qualidade e suficiente para abastecer a indústria de processamento, é importante que os produtores das duas comunas recebam assistência técnica e capacitação. O Governo e ONGs podem colaborar com programas de extensão rural focados em boas práticas agrícolas, tais como MIP e uso sustentável de insumos.

• Fusão e aquisição:

A fusão seria a combinação de dois ou mais negócios, em que há uma troca de ações ou valor monetário e assim compartilhar direitos e deveres. E aquisição está ligado a uma empresa que pode assumir a gestão total ou parcial de outra empresa. 

O Governo pode facilitar parcerias público-privadas para financiar a reativação e suas operações do polo indústrias de processamento de tomate existente na província de Benguela que se encontra em inatividade. Além disso, pode-se estabelecer contratos de fornecimento com produtores locais de tomate, garantindo que a indústria compre a produção local a preços justos, o que beneficia tanto os produtores quanto a indústria.

Conclusão

Com base nos dados recolhido e a análise feita, concluiu-se que do ponto de vista social ausência de uma indústria de processamento tem impacto na melhoria de vida das comunas, no aumento da produção local e bem como no desenvolvimento local. A produção local sofre uma grande influência com a falta de uma indústria de processamento, isso porque os produtores de tomate sentem uma limitação em aumentar o investimento e assim expandir a sua produção.

Do ponto de vista econômico o impacto ainda se torna maior devido que a maioria dos produtores sofrem uma perda de mais de 50% da sua produção, estando relacionado com a falta de uma indústria de processamento, ataques de pragas e doenças na fase de produção e pós-colheita e por outra, problema no escoamento para o mercado externo. Os grandes desafios ou dificuldades que os produtores enfrentam nas duas comunas, Perda de parte da produção devido a deterioração, dificuldade em armazenar o tomate, alto custos de transporte, baixo preço da venda do tomate.

Conflito de interesse

Não houve conflito de interesse do autor.

Contribuição do autor

Nsilulu Major Cuenda Quibula – ideia original, interpretação das obras, leitura, redação, correções e revisão do texto.

Referências bibliográficas

ALMEIDA, E. I. B.; RIBEIRO, W. S.; COSTA, L. C.; LUCENA, H. H.; BARBOSA, J. A. Levantamento de perdas em hortaliças frescas na rede varejista de Areia (PB). Revista  Brasileira  de  Agropecuária  Sustentável, v. 2, n. 1, p. 53-60, 2012. https://doi.org/10.21206/rbas.v2i1.58

BERTOTTI, G.; MASSUQUETTI, A. Determinantes da oferta e da demanda de tomate no Brasil, de 1994 a 2008. Revista de Política Agrícola, v. 19, n. 4, p. 39-49, 2010. https://rpa.sede.embrapa.br/RPA/article/view/350

BRUMER, A. Gênero e agricultura: a situação da mulher na agricultura do Rio Grande do Sul. Revista Estudos Feministas, v. 12, n. 1, p. 205-227, 2004. https://doi.org/10.1590/S0104-026X2004000100011

CAIXETA FILHO, J. V. Modelagem de perdas no transporte de produtos agrícolas. Tese (Livre Docência) – Universidade de São Paulo, Piracicaba, 1995. https://repositorio.usp.br/item/000744151

CAVELA, J. J. Estudo de Instabilidade de Taludes na Área da Baía de Santo António – Benguela (Angola). 82f. Dissertação (Mestrado em Geociências, Ambiente e Ordenamento) – Faculdade de Ciências e Tecnologia, Universidade de Coimbra, Coimbra, 2013. https://hdl.handle.net/10316/99992

DOMINGOS, K. O. Projeto de Marketing em Agronegócio – Estratégias para um Desenvolvimento Sustentável – Angola. Dissertação (Mestrado em Gestão Comercial) – Faculdade de Economia, Universidade do Porto, Porto, 2016. https://hdl.handle.net/10216/84281

FILGUEIRA, F. A. R. Novo manual de olericultura: agrotecnologia moderna na produção e comercialização de hortaliças. 3ª ed. rev. e ampl. Viçosa – MG: Editora UFV, 2008, 421p. https://www.editoraufv.com.br/novo-manual-de-olericultura-3-edicao/p

INE. Instituto Nacional de Estatística. Anuário Estatístico 2023. Luanda, República de Angola: Ministério da Agricultura e Florestas, 2024, 60p. https://www.ine.gov.ao/Arquivos/arquivosCarregados//Carregados/Publicacao_638527475260982716.pdf

KATATA, A. C. P. Perspectivas de evolução da agricultura na província da Huila em Angola: caso de estudo do perímetro irrigado da Matala. 71f. Dissertação (Mestrado em Engenharia Agronómica) – Instituto Superior de Agronomia, Universidade de Lisboa, Lisboa, 2019. http://hdl.handle.net/10400.5/19507

LOLI, D. A.; LIMA, R. S.; SILOCHI, R. M. H. Q. Mulheres em contextos rurais e Segurança Alimentar e Nutricional. Revista Segurança Alimentar e Nutricional, v. 27, p. 1-13, 2019. https://doi.org/10.20396/san.v27i0.8656151

MAGALHÃES, A. M.; FERREIRA, M. D.; MORETTI, C. L. Eficácia de limpeza durante o beneficiamento do tomate de mesa. Ciência Rural, v. 39, n. 9, p. 2431-2438, 2009. https://doi.org/10.1590/S0103-84782009005000218

MATEUS, S. F. T. Plano de negócio para implementação do Polo de Tecnologia e Empresas de Benguela. 127f. Dissertação (Mestrado em Gestão Empresarial) – Instituto Universitário de Lisboa, Lisboa, 2013. http://hdl.handle.net/10071/13626

PASSASI, M. E. Caracterização geoambiental e perspectivas do ordenamento da faixa litoral do município da Baia Farta (Angola). 80f. Dissertação (Mestrado em Geociências, Ambiente e Ordenamento) – Faculdade de Ciências e Tecnologia, Universidade de Coimbra, Coimbra, 2011. https://hdl.handle.net/10316/99650

SANTOS, J. Q.; POZZER, R. Permanência no campo: as motivações do agricultor para investir na propriedade rural e as expectativas de sucessão. Revista Observatorio de la Economía Latinoamericana, p. 1-17, 2019. https://www.eumed.net/rev/oel/2019/11/motivacoes-agricultor-rural.html

SHIKIDA, P. F. A; SOUZA, E. C. Agroindústria canavieira e crescimento econômico local. Revista de Economia e Sociologia Rural, v. 47, n. 3, p. 569-600, 2009. https://doi.org/10.1590/S0103-20032009000300002

SOUSA, C. K. B.; ANDRADE, T. C. C. A importância da Assistência Técnica e Extensão Rural (ATER) e seu papel transformador no aprimoramento da qualidade de vida das comunidades atendidas. Revista Extensão, v. 8, n. 1, p. 127-135, 2024. https://revista.unitins.br/index.php/extensao/article/view/9148

SOUSA, D. P. Perdas pós-colheita de cenoura e tomate no mercado varejista de Palmas – TO, Brasil. 50f. Trabalho de Conclusão de Curso (Tecnólogo em Agronegócio) – Instituto Federal de Educação, Ciência e Tecnologia do Tocantins,  Campus Palmas, Palmas, 2021. https://portal.ifto.edu.br/palmas/campus-palmas/ensino/biblioteca/Acervo/trabalhos-academicos/agronegocio/2021/douglas-pereira-de-sousa.pdf/view

ZYLBERSZTAJN, D. Organização de cooperativas: desafios e tendências. Revista de Administração da USP, v. 29, n. 3, p. 23-32, 1994. https://revistas.usp.br/rausp/article/view/

Recebido em 10 de abril de 2025

Retornado para ajustes em 12 de junho de 2025

Recebido com ajustes em 16 de junho de 2025

Aceito em 28 de junho de 2025

Revista Agrária Acadêmica

agrariacad.com

doi: 10.32406/v8n4/2025/9-22/agrariacad

Quais evidências estamos procurando ao usar o valor p?

Which evidences are we looking for when using p value?

Edenio Detmann¹, Tadeu Eder da Silva²

^1- Zootecnista, D. Sc., Professor Titular, Departamento de Zootecnia, Universidade Federal de Viçosa, Brasil. Pesquisador do CNPq. E-mail: detmann@ufv.br

^2- Zootecnista, D. Sc., Pós-Doutorando, Animal and Veterinary Sciences, University of Vermont-Burlington, United States of America. E-mail: tdasilva@uvm.edu

Resumo

O valor p constitui parte essencial dos processos decisórios em testes de hipóteses, embora sua verdadeira intepretação nem sempre seja compreendida pelos pesquisadores. Neste artigo, buscamos discorrer sobre a correta interpretação do valor no contexto dos testes de hipóteses aplicados a experimentos na área de Zootecnia. Nossa proposta central foi de trazer conceitos Bayesianos para propiciar o correto entendimento das conclusões dos testes de hipóteses aplicados sob o paradigma frequentista. Neste sentido, ressaltamos a importante conexão entre as informações a priori que suportam a plausabilidade da hipótese de pesquisa e as medidas de planejamento que são cruciais para o correto uso e interpretação dos resultados obtidos com testes de hipóteses.

Palavras-chave: Estatística experimental. Lema de Neyman-Pearson. Planejamento experimental. Testes de hipóteses.

Abstract

The p-value is an essential component of decision-making processes in hypothesis testing, although its true interpretation is not always well understood by researchers. In this article, we aim to discuss the correct interpretation of the p-value in the context of hypothesis testing applied to experiments in Animal Science. Our central proposal is to introduce Bayesian concepts to provide a proper understanding of the conclusions drawn from hypothesis tests conducted under the frequentist paradigm. In this regard, we highlight the important connection between the prior information that supports the plausibility of the research hypothesis and the planning measures that are crucial for the correct use and interpretation of results obtained from hypothesis testing.

Keywords: Experimental statistics. Neyman-Pearson lemma. Experimental design. Hypothesis testing.

Introdução

Na pesquisa em Zootecnia, notadamente nas áreas de forragicultura, nutrição e produção animal, a experimentação toma posto de destaque pois é utilizada como ferramenta chave para entendimento de relações de causa e efeito entre intervenções e respostas biológicas complexas.

Como resultado, temos nos testes de hipóteses o principal dispositivo para tomada de decisões ou para inferência estatística nos trabalhos científicos. Por conseguinte, o valor p calculado a cada teste de hipóteses surge como elemento orientador nos processos decisórios em geral, os quais estão obviamente sujeitos a erros. A importância do valor p e muitas das contestações associadas ao mesmo nas regras decisórias estatísticas têm sido amplamente discutidas, como, por exemplo, nos artigos de Wasserstein & Lazar (2016) e Detmann (2021). Neste artigo, contudo, buscamos trazer uma abordagem distinta, porém complementar, ao que foi discutido anteriormente nestas referências. Para tal, temos como ponto de partida alguns questionamentos. Será que estamos olhando para o valor p e entendo realmente o que estamos buscando? Estamos fazendo a parte que nos cabe para sustentar o uso do valor p nos nossos processos decisórios? Que tipo de evidências estamos buscando ao olhar para o valor p ao final de um teste de hipóteses? Ao decorrer deste artigo, buscamos responder e discutir estes questionamentos com demonstrações teóricas e exemplos de aplicação para o campo da Zootecnia.

Hipóteses estatísticas e testes de hipóteses

Em estatística, por definição, uma hipótese é uma declaração sobre um parâmetro da população (CASELA; BERGER, 2010). Em sua grande maioria, os parâmetros representam características numéricas de uma população, podendo corresponder à média, à variância ou até mesmo uma proporção (CECON et al., 2012). Assim, considerando o conceito de hipótese acima definido, um teste de hipóteses tem por objetivo decidir, com base em uma amostra da população, qual de duas hipóteses complementares representaria a “verdade” sobre o parâmetro populacional em questão, em geral desconhecido ou que se deseja conhecer.

De maneira menos ortodoxa, podemos afirmar que os testes de hipóteses representam uma ferramenta auxiliar na tomada de decisões quando necessitamos especular sobre parâmetros populacionais e não temos acesso ao total de informações da população. Assim, a partir de informações corretamente levantadas em uma amostra probabilística tomada desta população, podemos concluir (i.e., fazer inferências) sobre os parâmetros desconhecidos da mesma. Por conseguinte, os testes de hipóteses poderão ser aplicados em quaisquer situações nas quais parâmetros populacionais precisam ser estudados. Assim, suas possibilidades de aplicação são tão amplas como as áreas do conhecimento e as características a serem estudadas.

Cabe ressaltar que a formulação clássica e modal dos testes de hipóteses constitui um dos principais fundamentos da estatística alcunhada como frequentista. As bases dos testes de hipóteses aplicados rotineiramente em muitos campos científicos foram desenvolvidas por Jerzy Neyman e Egon Pearson nos anos 1930 (NEYMAN; PEARSON, 1933), processo que ficou conhecido como lema de Neyman-Pearson. Neste sentido, nos testes são estabelecidas duas hipóteses complementares que são colocadas em teste com base no crivo experimental.

Em teoria, as hipóteses complementares assumem o formato geral (CASELA; BERGER, 2010):

H_0: θ∈Θ_0^   vs.H_a: θ∈Θ_0^C (1);

em que H₀ representa a hipótese de nulidade, H_a representa a hipótese alternativa (algumas vezes denominada hipótese de pesquisa, pois costuma se basear nas expectativas do pesquisador), θ representa o parâmetro populacional desconhecido, Θ₀ é algum subconjunto do espaço de parâmetro e Θ₀^C é o complemento de Θ₀.

Para o caso específico do lema de Neyman-Pearson, usamos hipóteses simples que especificam somente uma possível distribuição para a amostra que comporá o processo avaliativo experimental (CASELA; BERGER, 2010). Nestes casos, as hipóteses complementares assumem normalmente as formas:

H_0: θ=θ_0  vs.H_a: θ≠θ_0 (2);

H_0: θ≤θ_0  vs.H_a: θ>θ_0 (3);

H_0: θ≥θ_0  vs.H_a: θ<θ_0 (4);

em que θ₀ representa o valor considerado para o parâmetro populacional no contexto do problema estudado.

O formato de hipóteses descrito em (2) define o que denominamos de teste bilateral, uma vez que a hipótese alternativa estabelece a busca pela diferença (i.e., “para mais” e “para menos” simultaneamente). Por sua vez, os formatos descritos em (3) e (4) definem o que denominamos de testes unilaterais, pois direcionam ou “para mais” ou “para menos”. Embora esteja claro que os sinais utilizados nas hipóteses (2) a (4) sejam opostos, uma vez que são hipóteses complementares, é comum os livros didáticos de estatística básica e experimental definirem a hipótese de nulidade para os casos unilaterais apenas pelo sinal de igualdade (i.e., “=”). Isto não está estritamente correto, pois o uso do sinal de igualdade, neste caso, não define espaços paramétricos complementares. Contudo, na prática, isso pouco interfere no processo decisório caso o sinal de H_a seja corretamente estabelecido.

De forma simplificada, o teste de hipóteses consiste em contrastar as evidências amostrais com aquilo que é definido pela hipótese de nulidade. Não havendo força de evidência que a contrarie, H₀ não será rejeitada e a conclusão do processo se baseará no que é estabelecido pela mesma. Caso a força das evidências amostrais não permita suportar H₀, esta será rejeitada e a conclusão será orientada pelo que é estabelecido pela hipótese alternativa (DETMANN, 2018). Com isso, apesar do teste ser chamado teste de hipóteses (no plural), apenas uma das hipóteses complementares é realmente testada, i.e., a hipótese de nulidade. Um dos pontos mais relevantes a ser destacado é: o teste de hipóteses se inicia sob o pressuposto de H₀ ser verdadeira. Isso será crucial para nosso entendimento e aplicação.

Considerando que a tomada de decisão ocorre essencialmente sobre H₀, há duas, e somente duas, conclusões possíveis: aceitar ou rejeitar H₀. Como cada decisão a ser tomada é passível de erro, haverá, portanto, dois erros possíveis de serem cometidos no processo decisório: aceitar ou rejeitar H₀ indevidamente (Tabela 1).

Tabela 1 – Esquema representativo dos erros possíveis de serem cometidos em um processo decisório de um teste de hipóteses estatísticas

Segundo o esquema apresentado na Tabela 1, α representa a probabilidade de se rejeitar H₀ sendo esta verdadeira, o que é conhecido como erro tipo I. Por outro lado, β representa a probabilidade de se aceitar H₀ sendo esta falsa, o que é conhecido como erro tipo II (MORETTIN, 2000). Cada erro possui o seu complemento. Para nossa discussão, o mais relevante é o complemento do erro tipo II (i.e., 1 – β), o qual é denominado “poder” e representa a probabilidade de se rejeitar H₀ quando esta é falsa (no jargão rotineiro, a probabilidade de se apontar diferenças existentes). Novamente, ressaltamos que nada é ventilado sobre H_a, sendo H₀ a única hipótese a ser contrastada com as evidências amostrais.

A partir das definições de hipóteses e erros estatísticos, o lema de Neyman-Person é executado seguindo-se os passos:

1. Define-se um valor α que representará a máxima tolerância para a probabilidade de ocorrência do erro tipo I. Destaca-se que o erro tipo I é o único passível de controle direto pelo pesquisador. Este valor α é contextualizado na função densidade de probabilidade (fdp) correspondente ao parâmetro em avaliação. Logo, o valor α definirá para quais valores amostrais a decisão de rejeitar H₀ será tomada (CASELA; BERGER, 2010). A área correspondente ao valor α sob a fdp será denominada região de rejeição de H₀. O seu complemento (lembre-se que as hipóteses opostas são complementares) será denominado região de aceitação de H₀ e compreenderá os valores amostrais para os quais H₀ é tida como verdadeira. Muitos textos estatísticos ressaltam ainda a clássica intepretação frequentista do valor α. Nesta, afirma-se que, caso o mesmo experimento (i.e., processo avaliativo) seja conduzido um número muito grande de vezes, em α% dos casos, H₀ será rejeitada indevidamente.

2. Utilizando-se do método da máxima verossimilhança, buscar-se-á a estrutura do teste que maximize seu poder (i.e., 1 – β).

3. O teste então produzirá um valor calculado, o qual representará, sob o pressuposto de H₀ verdadeira, a conversão das informações amostrais em um valor da variável aleatória correspondente à fdp utilizada.

4. Se este valor calculado for suficientemente grande no contexto definido pela fdp e pelo valor α, rejeita-se H₀. Em caso contrário, aceita-se H₀.

Exemplo de aplicação

Para ilustração dos fundamentos descritos acima, utilizaremos um exemplo fictício cujo contexto é descrito abaixo. Neste, vamos utilizar uma variável assumida com distribuição normal (i.e., produção de leite por vacas) cuja variância populacional é desconhecida. Salientamos que o exemplo é puramente fictício e tem por objetivo apenas demonstrar e aplicar os conceitos aqui discutidos. Nenhum aspecto técnico deve ser considerado.

Problema ou contexto

Um programa de desenvolvimento foi implementado em uma macrorregião produtora de leite. Como indicador de sucesso, estabeleceu-se a meta de que, após cinco anos de execução, a média de produção de leite nas propriedades superasse 15 kg/vaca/dia. Assim, após cinco anos de aplicação do programa de desenvolvimento, uma amostra de aleatória de oito propriedades nas quais o programa foi aplicado foi avaliada (Tabela 2). Pergunta-se: o programa atingiu sua meta?

Tabela 2 – Informações amostrais e estatísticas descritivas para o processo de avaliação da produção média de leite em propriedades submetidas a um programa de desenvolvimento (ver texto para a correta contextualização dos valores)

Aplicação do teste de hipóteses

1. Definir as hipóteses

Como o contexto do exemplo orienta para a avaliação produção de leite ter ou não superado o valor de 15 kg/vaca/dia, o conjunto de hipóteses complementares deverá ser orientado de forma unilateral à direita, tendo o valor 15,0 como pressuposição inicial para θ₀ (Equação 3). Ademais, entende-se que o parâmetro sob avaliação é a média populacional. Logo:

H_0: μ≤15 vs.H_a: μ>15 (5).

2. Definir o valor α

Neste exemplo, assumiremos como 0,05 a máxima probabilidade de ocorrência do erro tipo I. Esta é uma escolha discricionária para este exemplo e não constitui uma recomendação universal.

3. Definir a fdp associada ao teste

Como estamos buscando inferir sobre a média de uma população assumida como normalmente distribuída com variância populacional desconhecida, a distribuição t de Student é a fdp a ser utilizada.

4. Contextualizar a fdp em função de α, de H_a e da dimensão da amostra

A partir do valor α e da direção de H_a, definimos a localização e a dimensão das regiões de rejeição (RRH₀) e aceitação (RAH₀) de H₀. Com isso, definimos o valor crítico da estatística t que divide as duas regiões (t_c, t crítico), o qual será dado por (Figura 1)[1]:

t_c=t_α (g.l.)=t_0.05 (7)=1,895 (6).

5. Converter a informação amostral no valor da estatística t de Student[2]

t_calculado=(X ̅-μ)/(s/√n)=(15,31-15)/(0,412/√8)≅2,145 (7).

Para que o cálculo acima seja possível, é necessário o conhecimento da média populacional, a qual é o parâmetro em avaliação neste momento. Assim, o cômputo neste passo só é possível a partir de uma pressuposição inerente aos testes de hipóteses. Esta foi destacada anteriormente e corresponde a: o teste de hipóteses se inicia sob o pressuposto de H₀ ser verdadeira. Como a igualdade está inclusa em H₀ (Equação 5), então é possível, por pressuposto, conhecer o valor do parâmetro (i.e., μ) a partir de H₀ e o teste pode ser executado.

Figura 1 – Distribuição t de Student contextualizada segundo o exemplo de avaliação da produção média de leite em oito propriedades submetidas a um programa de desenvolvimento (ver texto para a correta contextualização dos valores). RAH₀, região de aceitação de H₀; RRH₀, região de rejeição de H₀; e t_c, valor crítico da estatística t.

6. Contextualizar o valor da estatística calculada na distribuição e probabilidade e concluir.

Percebemos que o valor calculado da estatística t com base nas informações amostrais ultrapassou o limite crítico de t, o que situa a amostra sob a região de rejeição de H₀ (Figura 1). Logo, a conclusão é dada pela rejeição de H₀, ou seja: “Rejeita-se H₀ (|t_calculado|>|t_c|; α = 0,05). A produção média de leite nas propriedades supera 15 kg/vaca/dia. Portanto, o programa de desenvolvimento da pecuária leiteira atingiu sua meta”.

O uso do valor p

O valor p foi proposto pelo professor Ronald A. Fisher no começo do século XX (FISHER, 1958). Embora nada tenha a ver diretamente com o lema de Neyman-Pearson, o mesmo foi incorporado à rotina dos testes de hipóteses (NUZZO, 2014; WASSERSTEIN; LAZAR, 2016; DETMANN, 2021). Estritamente falando, esta incorporação seria indevida, pois valor p e valor α dizem respeito a coisas diferentes. Contudo, embora indevida, esta incorporação ocorreu e não há como retornar ao passado. Assim, no contexto desta aplicação adaptada, criou-se o confundimento entre o valor p e o valor α. Nas situações nas quais o valor p se mostra menor que o valor α, opta-se pela rejeição de H₀. O valor p será igual ao valor α se, e somente se, os valores das estatísticas t crítica e t calculada forem idênticos.

Para o contexto de nosso exemplo, o valor p corresponderá à área sob a curva da distribuição t compreendida entre o valor de t calculado e +∞ (Figura 2)[3].

Com a incorporação do valor p ao teste, a conclusão pode ser reescrita como: “Rejeita-se H₀ (p<0,05 ou p<0,04). A produção média de leite nas propriedades supera 15 kg/vaca/dia. Portanto, o programa de desenvolvimento da pecuária leiteira atingiu sua meta”.

Abordagem frequentista com a inclusão de conceitos Bayesianos

Há dois detalhes cruciais na abordagem frequentista dos testes de hipóteses. Em primeiro lugar, apenas a hipótese de nulidade é testada. O teste não estabelece nenhuma afirmativa sobre a hipótese alternativa, a qual serve apenas como orientadora das conclusões nos casos em que H₀ não é suportada no confronto com as evidências empíricas (i.e., dados). Em segundo lugar, o valor p representa apenas uma expressão dos dados e não inclui nenhuma informação a priori sobre as hipóteses testadas.

De fato, o valor p não informa absolutamente nada sobre a probabilidade de alguma das hipóteses estar correta ou não. O que o valor p indica é apenas o grau de agregação entre os dados e o modelo matemático definido pela hipótese de nulidade (WASSERSTEIN; LAZAR, 2016; DETMANN, 2021). Neste caso, quanto mais desconexa a informação amostral em relação ao que afirma H₀, menor será o valor p.

Figura 2 – Distribuição t de Student contextualizada segundo o exemplo de avaliação da produção média de leite em oito propriedades submetidas a um programa de desenvolvimento com o cômputo do valor p (ver texto para a correta contextualização dos valores).

A inconveniência de o valor p em si não informar nada diretamente sobre as hipóteses pode ser problemática para o pesquisador. Normalmente, a hipótese de pesquisa (i.e., hipótese científica) é traduzida ou materializada nos testes de hipóteses por intermédio de H_a. Logo, H_a representa, na grande maioria, embora não na totalidade dos casos, as expectativas do pesquisador quanto ao que se deseja submeter ao crivo da experiência. Neste sentido, apenas por intermédio da incorporação de conceitos Bayesianos é que maiores informações sobre a probabilidade de H_a estar correta podem ser obtidas. Isso demanda a união das informações amostrais com o conhecimento a priori sobre as chances de H_a estar correta para o adequado entendimento da probabilidade de H_a ser verdadeira.

Em palavras mais simples, o valor p dará a probabilidade do comportamento dos dados dado o que estabelecemos por intermédio das hipóteses estatísticas, notadamente H₀. Logo, o valor p diz respeito especificamente ao comportamento dos dados considerando o que é afirmado pelas hipóteses estatísticas. Com um simples raciocínio, é fácil compreender que o que estamos buscando é o julgamento das hipóteses dado o comportamento dos dados obtidos; ou seja, o que buscamos (ou deveríamos buscar) é um raciocínio inverso ao que enxergamos quando olhamos para o valor p. O que realmente deveria importar é qual a probabilidade de uma hipótese ser verdadeira considerando os dados que obtivemos. Esta informação, para a maioria dos contextos de pesquisa, seria mais relevante com relação a H_a. O valor p isoladamente não nos diz nada sobre isso, pois associa-se a H₀ e se refere ao comportamento dos dados considerando o que foi estabelecido por H₀ (lembre-se do importante pressuposto destacado anteriormente).

Para enxergarmos o que realmente importa, precisamos inverter nossa forma de raciocínio e incorporar o conhecimento prévio sobre as hipóteses que estabelecemos. Este conhecimento prévio é denominado de informação a priori e é neste ponto que os fundamentos Bayesianos entram como ferramenta para a correta interpretação de testes de hipóteses.

Após algum desenvolvimento (optamos por não expor as demonstrações), a fundamentação Bayesiana nos conduz à equação geral (BENJAMIN, 2018):

(P(H_a |p=p_obs))/(P(H_0 |p=p_obs))=(f(p=p_obs |H_a))/(f(p=p_obs |H_0))×(P(H_a))/(P(H_0))⇔POR=FB×PRR (8);

em que: POR corresponde à razão de chances de H_a contra H₀ a posteriori, FB corresponde ao fator de Bayes ou a razão de chances de H_a contra H₀ fornecida pelos dados, e PRR corresponde à razão de chances de H_a contra H₀ a priori.

Por intermédio da equação (8) podemos facilmente verificar que o entendimento seguro sobre a probabilidade de H_a estar correta somente pode ser obtido com uma abordagem conceitual Bayesiana do teste de hipóteses, na qual as probabilidades a posteriori (i.e., após o experimento) serão determinadas não somente pelas evidências apontadas pelos dados (i.e., no experimento), mas também pelas evidências prévias (i.e., a priori ou antes do experimento) que determinam a razão de chances de H_a estar correta contra H₀ estar correta.

Neste sentido, o fator de Bayes representa a razão entre a verossimilhança dos dados observados sob a hipótese alternativa e a verossimilhança dos dados observados sob a hipótese de nulidade. Em outras palavras, o fator de Bayes indica a informação fornecida pelos dados e pode ser facilmente calculado a partir do valor p (uma vez que o valor representa um sumário estatístico dos dados) utilizando-se a equação (BENJAMIN; BERGER, 2019):

FB=1/(-e×p×ln⁡(p)) (9);

em que e representa a base Neperiana.

Considerando o valor p obtido no exemplo anterior, o fator de Bayes será:

FB=1/(-e×0,035×ln⁡(0,035))≅3,14⇔3,14/1 (10).

Assim, as evidências apontadas pelos dados (i.e., p = 0.035) indicam que a razão de chances de H_a estar correta em relação a H₀ estar correta é de 3,14 para 1. Este é claramente um nível de evidência insuficiente para se afirmar categoricamente que o que é afirmado por H_a seja verdade, mesmo que tenhamos rejeitado H₀ pelo lema de Neyman-Pearson.

A razão de chances pode ser facilmente convertida em probabilidades, apenas dividindo-se o número de casos favoráveis a H_a pelo número total de casos, ou seja:

P(p=p_obs│H_a )=3,14/(3,14+1)≅0,758⇔75,8% (11);

P(p=p_obs│H_0 )=1/(3,14+1)≅0.242⇔24,2% (12).

Esses cálculos sugerem que, apesar da rejeição de H₀ com um valor p relativamente baixo (i.e., 0,035), as evidências apontadas exclusivamente pelos dados ainda indicam uma probabilidade alta (24,2%) de H₀ ser verdadeira. Percebam que nenhuma probabilidade aqui remonta ao valor numérico de α.

Contudo, os cálculos acima não assimilam a influência das informações a priori sobre a estrutura de H_a. As evidências a priori representam a plausibilidade de H_a em relação a H₀ (NUZZO, 2014) e se baseia nas crenças do cientista que a elabora, suportadas pelo consenso científico, por evidências validadas (BENJAMIN, 2018) e pelo uso correto do raciocínio lógico.

Vamos pressupor que a junção de todas estas ferramentas tenha produzido a priori uma razão de chances de 9:1 de H_a estar correta contra H₀ estar correta. Considerando o mesmo valor p obtido no exemplo, obtemos:

P(p=p_obs│H_0 )=1/(3,14+1)≅0.242⇔24,2% (13).

Percebe-se claramente o impacto da correta e embasada elaboração de H_a no direcionamento da razão de chances a posteriori a seu favor. Convertendo-se a razão de chances em probabilidade a posteriori, temos:

P^Max (H_a│p=p_obs )=28,26/(28,26+1)≅0,965⇔96,5% (14);

em que P^Max(H_a|p = p_obs) representa a máxima probabilidade de H_a ser verdadeira ou, em termos menos ortodoxos, a máxima probabilidade de o efeito existir considerando o comportamento dos dados.

Do contrário, vamos pressupor que H_a tenha sido elaborada de maneira arbitrária sem o devido suporte de evidências a priori. Para isso, assumiremos uma razão de chances de 1:19. Desta forma:

(P(H_a |p=p_obs))/(P(H_0 |p=p_obs))=(f(p=p_obs |H_a))/(f(p=p_obs |H_0))×(P(H_a))/(P(H_0))=3,14/1×1/19=3,14/19=POR (15).

Convertendo a razão de chances (Equação 15) em probabilidade:

P^Max (H_a│p=p_obs )=3,14/(3,14+19)≅0,141⇔14,1% (16).

Desta forma, percebemos claramente o impacto das evidências a priori sobre a interpretação de um teste de hipóteses. Neste exemplo, o mesmo valor p pode levar a conclusões a posteriori distintas caso as evidências a priori façam parte ou não do planejamento experimental e da interpretação rigorosa do resultado do teste.

Pensando H_a e a melhor interpretação dos testes de hipóteses

Em geral, não somos usuários de procedimentos Bayesianos em testes de hipóteses e nem constitui nosso objetivo promover a aplicação de estatística Bayesiana em detrimento dos métodos frequentistas. Entendemos que os métodos frequentistas ainda constituem um paradigma importante na área de Zootecnia. O que advogamos com este artigo é a incorporação de conceitos Bayesianos no planejamento e interpretação de experimentos de forma a entendermos corretamente as conclusões a serem obtidas.

De forma resumida, o entendimento e utilização de informação a priori deve fazer parte das rotinas de planejamento experimental, pois isto definirá qual a verdadeira mensagem a ser retirada dos dados nos processos decisórios. O grande gargalo a que nos referimos é a hipótese de pesquisa.

Hipóteses de pesquisa figuram no campo das ideias e são, por consequência, não testáveis. Estas derivam de um processo hipotético-dedutivo no qual, o cientista, a partir das informações dadas pelo estado da arte e a partir da sua criatividade e de seu raciocínio lógico, elabora assertivas sobre a natureza. De forma simples, uma hipótese de pesquisa, deve ter quatro características básicas: 1. constitui uma afirmação (i.e., assertiva), 2. pode ser convertida em uma forma testável, 3. pode ser negada, e 4. deve fazer previsões.

Vamos imaginar a seguinte situação hipotética: você toma conhecimento de um novo aditivo para dietas de bovinos de corte confinados. Segundo as informações do estado da arte e usando o raciocínio calcado no seu próprio arcabouço de conhecimentos, você imagina que a inclusão do aditivo em questão é capaz de ampliar o desempenho produtivo de bovinos de corte em confinamento. Com isso, somos capazes de delinear a seguinte hipótese: a inclusão do aditivo na dieta de bovinos de corte confinados amplia seu desempenho produtivo.

Vamos checar as condições. Primeiro, vamos claramente que a hipótese é uma assertiva. Segundo, a mesma faz uma previsão ao afirmar que o desempenho se amplia. Terceiro, é fácil perceber que a mesma pode ser negada por evidências experimentais. A quarta condição é a testabilidade. Neste campo, devemos imaginar que a hipótese é uma afirmativa e as afirmativas em si não são testáveis experimentalmente. É preciso convertê-las em uma forma testável. Vamos fazer isso da forma mais simples possível.

Inicialmente, a hipótese de pesquisa se baseia em uma variável teórica: desempenho produtivo. O desempenho produtivo é um conceito e este não é testável. Será preciso materializá-lo no contexto da pesquisa por intermédio do uso de uma variável resposta operacional. Nesse caso, podemos assumir que o ganho médio diário (GMD) é uma variável operacional capaz de representar a variável teórica desempenho produtivo. O GMD é mensurável e, portanto, testável. Contudo, ainda precisamos resolver outro problema. A hipótese de pesquisa é uma assertiva e assertivas não são testáveis experimentalmente. Para garantir a testabilidade, materializamos nossa hipótese de pesquisa na forma de hipóteses estatísticas, as quais constituem equações e equações são testáveis.

Para definir as hipóteses, precisamos criar um cenário experimental que nos permita testar o que queremos. Neste caso, bastariam dois tratamentos, sendo um constituído por uma dieta basal e outro constituído pela mesma dieta, mas com a inclusão do aditivo. O contraste entre estes tratamentos com relação ao GMD nos daria uma condição operacional testável que nos conectaria à hipótese de pesquisa. Qual a pergunta então? O aditivo amplia o GMD? Se esta for a pergunta a ser respondida operacionalmente, nossas hipóteses estatísticas seriam:

H_0:μ_C-μ_S≤0 vs.H_a:μ_C-μ_S>0 (17a);

H_0:μ_C≤μ_S  vs.H_a:μ_C>μ_S (17b);

em que μ_C é a média populacional com a presença do aditivo na dieta e μ_S é a média populacional sem a presença do aditivo na dieta. Usamos dois formatos possíveis para as hipóteses na equação (17), os quais são equivalentes no contexto do nosso exemplo hipotético.

Percebemos claramente que o exemplo representa o processo modal de elaboração de hipóteses estatísticas, no qual a hipótese de pesquisa está implícita (ou materializada) em H_a. Há casos diferentes, mas estes não serão abordados aqui.

A pergunta que se deve fazer é: quão plausível é H_a? Há evidências a priori que a suportem? Existe conhecimento científico que a suporte? Qual a plausabilidade de se pressupor que o aditivo é capaz de ampliar o desempenho produtivo dos animais? As respostas a estas perguntas importam muito para a intepretação dos resultados dos testes de hipóteses.

Vamos pressupor inicialmente um cenário no qual não há nenhuma evidência ou conhecimento a priori que suporte H_a; ou porque tal conhecimento não existe ou porque o cientista simplesmente não se importa. Neste caso, teríamos uma informação a priori totalmente não informativa. No melhor dos cenários, teríamos uma situação análoga ao lançamento de uma moeda: poder ser que sim, pode ser que não. Não se enganem, pois pode ser pior que isto. Vamos, contudo, assumir que este é o caso. Logo, a razão de chances a priori de H_a contra H₀ seria de 1:1. Sob tal circunstância, a rejeição de H₀ pelo teste de hipóteses com valor p de 0,049, por exemplo, nos indicaria que máxima probabilidade de H_a ser verdadeira seria algo próximo a 71%. Em outras palavras, mesmo com a rejeição, ainda haveria a probabilidade mínima próxima a 30% de H₀ ser verdadeira (Figura 3). Isso indica um nível fraco de evidências a posteriori para suportar a conclusão em prol da existência de algum efeito benéfico do aditivo sobre o GMD e o desempenho produtivo.

Vamos definir como não informativa a situação na qual não existem informações a priori que permitam suportar sua hipótese de pesquisa e, consequentemente, suportar H_a. Assim, assumiríamos a razão de chances de 1:1 indicada no parágrafo anterior. O grande risco sobre as inferências, neste caso, residiria sobre a escolha do valor α, o qual, na maioria massiva dos casos assume o valor 0,05. Não despropositadamente, nosso exemplo se baseou em um valor p de 0,049. Ao adotar um valor α de 0,05, o pesquisador deve esperar rejeições de H₀ com valores p inferiores, porém próximos a 0,05. Nesta faixa de valores p, sob condições não informativas, as probabilidades mínimas de H₀ ser verdadeiras estarão próximas a 30%. Com isso, haverá a rejeição de H₀ pelo lema de Neyman-Pearson, mas este virá associado a uma alta probabilidade de as inferências estarem incorretas. Vamos pressupor que você deseja uma probabilidade máxima de H_a estar correta próxima a 90% sob condições não informativas. Pelos valores mostrados na Figura 3, fica claro que a primeira medida para assegurar confiabilidade nas conclusões seria adotar valor α de 0,01. Em suma, para o caso de situações não informativas, a força das evidências em favor da existência do efeito somente poderia ser ampliada caso o valor p se aproximasse gradativamente de zero (Figura 3), o que demandaria o uso de um valor α condizente com essa perspectiva. Assim, uma questão ética pode ser relevada. Caso o pesquisador tenha plena consciência de que nenhuma evidência a priori suporte sua hipótese de pesquisa, a adoção deliberada de um valor α elevado pode representar apenas a busca por significância estatística sem as devidas preocupações com a veracidade das conclusões em si. Isso caracterizaria, indiretamente, o que denominados de p-hacking (STERLING, 1959; HEAD et al., 2015).

Contudo, cabe ressaltar que o valor p em si é uma variável aleatória e sua expressão após a realização do experimento não está sob o controle do pesquisador, uma vez que o valor p constitui expressão dos dados. Se não podemos (e não devemos) alterar o comportamento dos dados, como ampliar a força das evidências em favor de H_a em um experimento? A resposta é simples: com planejamento científico e experimental. Tentaremos demonstrar que o planejamento é capaz de atribuir força de evidências a priori à hipótese de pesquisa, o que permitiria atribuir confiabilidade às conclusões sem que um valor α de extremo rigor seja necessário.

Figura 3 – Máxima probabilidade de a hipótese alternativa ser verdadeira (P^Max(H_a|p=p_obs) em função do valor p e considerando a razão de chances a priori de H_a contra H₀ de 1:1.

Como vimos anteriormente, na maioria massiva dos casos, H_a representa nada mais do que a materialização de nossa hipótese de pesquisa em uma forma testável. Então, tudo está conectado com o planejamento de nossa hipótese de pesquisa. Ao planejarmos e definirmos correta e consistentemente uma hipótese de pesquisa, atribuímos a essa força de evidências a priori. Com a sua expressão correta na forma de uma hipótese alternativa (para a maioria dos casos) e com a definição correta do conjunto de tratamentos (base para os contrastes experimentais), poderemos estabelecer razões de chances mais favoráveis a H_a. Com isso, sob a rejeição de H₀, a probabilidade de H₀ ser verdadeira será minimizada e a probabilidade de H_a ser verdadeira será maximizada pela junção do comportamento dos dados e das evidências a priori (Figura 4). Este planejamento depende estritamente da ação do pesquisador.

Como previamente ressaltado, as evidências a priori atribuirão a plausibilidade da hipótese de pesquisa e, consequentemente, a plausibilidade de H_a em relação a H₀ (NUZZO, 2014). Estas se baseiam nas crenças do cientista que a elabora e são suportadas pelo consenso científico, por evidências validadas (BENJAMIN, 2018) e pelo uso correto do raciocínio lógico.

Por conseguinte, o planejamento de experimentos transcende ações corriqueiras como, por exemplo, a definição do número de unidades experimentais. Este deve envolver o uso da razão e o adequado conhecimento do estado da arte. Planejar adequadamente nossa hipótese de pesquisa possui íntima conexão com a confiabilidade das conclusões a serem retiradas do experimento. Adicionalmente, o uso de um conjunto de tratamentos ótimo e conectado com a testabilidade da hipótese constitui ferramenta indeclinável para que o teste da hipótese científica ocorra com o rigor e a confiabilidade necessários, implicando na construção de conclusões confiáveis. Neste sentido, a pergunta que nos cabe fazer para o fechamento desta discussão é: qual o esforço que estamos direcionando para a elaboração de nossas hipóteses de pesquisa e para a elaboração das condições de testabilidade das mesmas? Isso definirá o que estamos buscando ao olhar para o comportamento dos dados e o seu consequente valor p.

Figura 4 – Máxima probabilidade de a hipótese alternativa ser verdadeira (P^Max(H_a|p=p_obs) em função da razão de chances a priori de H_a contra H₀ considerando p = 0,049.

[1] O valor de t crítico foi obtido por intermédio da função INV.T do Microsoft Excel.

[2] Os valores foram calculados usando o Microsoft Excel, considerando arredondamento apenas no valor final.

[3] O valor p foi calculado usando-se a função DIST.T.CD do Microsoft Excel.

Conflito de interesses

Os autores declaram a inexistência de conflitos de interesse na feitura do presente artigo.

Contribuição dos autores

Edenio Detmann – proposta do projeto, redação e revisão do manuscrito; Tadeu Eder da Silva – design das figuras, redação e revisão do manuscrito.

Referências bibliográficas

BENJAMIN, D. J. The strength of evidence from statistical significance and P values. University of Southern California, 2018 (unpublished seminar).

BENJAMIN, D. J.; BERGER, J. O. Three recommendations for improving the use of p-values. The American Statistician, v. 73, p. 186-191, 2019. https://doi.org/10.1080/00031305.2018.1543135   

CASELA, G.; BERGER, R.L. Inferência Estatística. 2ª ed. São Paulo: Cengage Learning, 2010, 588p.

CECON, P. R.; SILVA, A. R.; NASCIMENTO, M.; FERREIRA, A. Métodos Estatísticos. Viçosa: Editora UFV, 212, 229p.

DETMANN, E. Não seja como as vaquinhas. Uma abordagem informal sobre formalidades dos experimentos com animais de produção. 2ª ed. Viçosa: Edenio Detmann, 2018, 373p.

DETMANN, E. Valor P: o que fizemos dele na experimentação zootécnica? Nutritime, v. 18, n. 1, p. 8866-8876, 2021. https://nutritime.com.br/artigos/artigo-533-valor-p-o-que-fizemos-dele-na-experimentacao-zootecnica/

FISHER, R. A. Statistical Methods for Research Workers. 13^th ed. London: Oliver & Boid, 1958, 351p.

HEAD, M. L.; HOLMAN, L.; LANFEAR, R.; KAHN, A. T.; JENNIONS, M. D. The extent and consequences of p-hacking in science. PLOS Biology, v. 13, n. 3, p. 1-15, e1002106, 2015. http://doi.org/10.1371/journal.pbio.1002106

MORETTIN, L. G. Estatística Básica. Inferência. Volume 2. São Paulo: Makron Books, 2000, 182p.

NEYMAN, J.; PEARSON, E. S. On the problem of the most efficient tests of statistical hypotheses. Philosophical Transactions of the Royal Society A, v. 231, p. 289-337, 1933. https://doi.org/10.1098/rsta.1933.0009  

NUZZO, R. Scientific method: statistical errors. Nature, v. 506, p. 150-152, 2014. https://doi.org/10.1038/506150a

STERLING, T. D. Publication decisions and their possible effects on inferences drawn from tests of significance–or vice versa. Journal of the American Statistical Association, v. 54, n. 285, p. 30-34, 1959. https://doi.org/10.1080/01621459.1959.10501497

WASSERSTEIN, R. L.; LAZAR, N. A. The ASA statement on p-values: context, process, and purpose. The American Statistician, v. 70, p. 129-133, 2016. https://doi.org/10.1080/00031305.2016.1154108  

Recebido em 6 de maio de 2025

Retornado para ajustes em 24 de junho de 2025

Recebido com ajustes em 24 de junho de 2025

Aceito em 26 de junho de 2025