Académique Documents
Professionnel Documents
Culture Documents
1. INTRODUÇÃO
A inferência estatística sobre uma variável, de modo geral, assume que um conjunto de dados
tem sua origem em uma população com distribuição normal. Entretanto, para o caso de
p-dimensões (p>1), a normalidade torna-se critério necessário. A utilização de gráficos para
analisar o comportamento de tais dados, em determinadas ocasiões, não satisfaz ou não é
suficiente para a interpretação. Neste caso, se faz necessário aplicar testes estatísticos nas
amostras a fim de inferir sobre a normalidade. Os testes mais comuns encontrados na
literatura, e utilizados para aplicação em sistemas com uma variável são: o teste de aderência
Qui-quadrado; Kolmogorov-Smirnov e Shapiro-Wilk. Para os casos com mais de uma
variável, em geral, são utilizadas extensões dos testes com uma variável.
A escolha de um teste deve ser feita observando os aspectos que o pesquisador julgar
apropriado para a pesquisa, tais como: poder do teste, controle de taxa do erro I e,
principalmente, sobre as suposições que cada um deles apresenta como retorno.
2.1. KOLMOGOROV-SMIRNOV
Vantagens
O teste não depende da função de distribuição acumulada que está sendo testada.
2
Desvantagens
2.2. SHAPIRO-WILK
O teste de Shapiro-Wilk determina uma variável estatística (W) calculada sobre os valores
amostrais ordenados elevados ao quadrado, buscando aferir se uma amostra aleatória é
originária de uma distribuição normal. Devido seu grande poder de resolução, este método
tem sido adotado preferencialmente nos testes de normalidade.
W =¿ ¿
Vantagens
3
Pode ser utilizado com amostras pequenas (n < 30)
Rejeita-se uma hipótese quando a máxima probabilidade de erro ao rejeitar aquela hipótese
for baixa.
Vantagens
Desvantagens
4
Necessita de amostras grandes (n > 30)
Possui baixa potência, pois em determinados casos não se rejeita H 0 quando deveria
rejeitar.
3. CONCLUSÃO
REFERÊNCIA BIBLIOGRÁFICA
GUNER, B.; FRANKFORD, M. T. and JOHNSON, J. T.; A study of the Shapiro-Wilk test
for thedetection of Pulsed Sinusoidal Radio Frequency Interference. IEEE Transactions
on Geoscience and Remote Sensing. Jun. 2009, Vol. 47(6), 1745-1751.
GIBBONS, J. D.; SUBHABRATA, C. Non parametric statistical inference. 3th. ed. New
York: Marcel Dekker, 1992. 544p. (Statistics: textbook and monograph, v.31).