Conduziu-se este trabalho com o objetivo de avaliar os riscos de se tomar decisões erradas (erro tipo I e erro tipo II), com o aumento da diferença entre as variâncias populacionais, por meio de simulação computacional, utilizando-se o teste t de Student com o número de graus de liberdade sendo aproximado pelas alternativas de Satterthwaite (1946), valor mínimo υ = min (n1 - 1, n2 - 1) e pelo método de bootstrap. Duas populações foram geradas, e a variância da população 1 foi igual a um (σ21), e a da população 2 foi especificada em função da razão σ22/σ21, a qual assume os valores 1, 2, 8 e 16. Usando essas abordagens diferentes para o teste t, avaliaram-se as taxas de erro tipo I e tipo II. Todos os critérios controlaram adequadamente a taxa de erro tipo I; o critério de t com alteração dos graus de liberdade foi mais rigoroso que os demais critérios quando as amostras apresentaram tamanhos diferentes. Essa aproximação foi a que apresentou maiores taxas de erro tipo II para as situações de maiores heterogeneidades de variância. O procedimento de bootstrap foi melhor com relação ao controle da taxa de erro tipo II para situações de tamanhos de amostras diferentes (n1=5 e n2=30, n1=10 e n2=30) e para razões de variâncias maiores que 1.
Erros tipo I e tipo II; Monte Carlo; bootstrap
