Show simple item record

dc.contributor.authorLeotti, Vanessa Bielefeldtpt_BR
dc.contributor.authorCoster, Rodrigopt_BR
dc.contributor.authorRiboldi, Joãopt_BR
dc.date.accessioned2017-05-17T02:36:38Zpt_BR
dc.date.issued2012pt_BR
dc.identifier.issn0101-5575pt_BR
dc.identifier.urihttp://hdl.handle.net/10183/158102pt_BR
dc.description.abstractIntrodução: Os principais testes estatísticos têm como suposição a normalidade dos dados, que deve ser verificada antes da realização das análises principais. Objetivo: Revisar as técnicas de verificação da normalidade dos dados e comparar alguns testes de aderência à normalidade para diferentes distribuições de origem e tamanho amostral. Metodologia: Através da simulação de cinco distribuições (Normal, t-student, Qui-Quadrado, Gama e Exponencial) e seis tamanhos amostrais (10, 30, 50, 100, 500 e 1000) foram simulados 5000 amostras de cada par distribuição-tamanho amostral e realizados os testes Qui-quadrado, Kolmogorov-Smirnov, Lilliefors, Shapiro-Wilk, Shapiro-Francia, Cramer-von Mises, Anderson- Darling e Jarque-Bera. Resultados: Os resultados obtidos mostram uma clara superioridade dos testes Shapiro-Francia e Shapiro-Wilk, com percentuais de acerto de 72,41% e 72,15%, respectivamente. Entre os piores resultados encontramos o Kolmogorov-Smirnov e Qui-Quadrado, com percentual de acerto de 44,78% e 61,58%, respectivamente. Conclusões: Para amostras pequenas recomenda-se que sejam utilizados procedimentos não paramétricos diretamente para a análise, em função da baixa performance dos testes de aderência à normalidade, dado o baixo percentual de acertos. Para amostras maiores, recomenda-se o uso dos testes Shapiro-Francia ou Shapiro-Wilk.pt_BR
dc.description.abstractBackground: The main statistical tests have the normality assumption that must be verified before performing the main analyzes. Objective: To review the techniques of testing for normality of data and compare some adherence tests for different true distributions and sample size. Method: Through simulation of five distributions (Normal, t-Student, Chi-Square, Gamma and Exponential) and six sample sizes (10, 30, 50, 100, 500 and 1000) were simulated 5000 samples of each pair sample size-distribution and applied the Chi-square, Kolmogorov-Smirnov, Lilliefors, Shapiro-Wilk, Shapiro-Francia, Cramer-von Mises, Anderson-Darling and Jarque-Bera tests. Results: The results show a clear superiority of the Shapiro-Francia and Shapiro-Wilk tests, with percentages of accuracy of 72.41% and 72.15% respectively. Among the worst results we find the Kolmogorov-Smirnov and Chi-Square, with percentage of accuracy of 44.78% and 61.58% respectively. Conclusions: For small samples it is recommended to use non-parametric procedures directly for the analyzes, due to the low performance of the tests of adherence to normality, given the low percentage of accuracy. For larger samples, we recommend the use of the Shapiro-Francia and Shapiro-Wilk tests.en
dc.format.mimetypeapplication/pdf
dc.language.isoporpt_BR
dc.relation.ispartofRevista HCPA. Porto Alegre. Vol. 32 , no. 2 (2012), p. 227-234pt_BR
dc.rightsOpen Accessen
dc.subjectTeste de aderenciapt_BR
dc.subjectNormal distributionen
dc.subjectGodness-of-fit testsen
dc.subjectDistribuição normalpt_BR
dc.subjectChi-squareen
dc.subjectKolmogorov-Smirnoven
dc.subjectLellieforsen
dc.subjectShapiro-Wilken
dc.subjectShapiro-Franciaen
dc.subjectCramer0voc Misesen
dc.subjectAnderson-Darlingen
dc.subjectJarque-Beraen
dc.subjectPoweren
dc.subjectType I erroren
dc.titleNormalidade de variáveis : métodos de verificação e comparação de alguns testes não-paramétricos por simulaçãopt_BR
dc.title.alternativeNormality of variables : diagnosis methods and comparison of some nonparametric tests by simulationen
dc.typeArtigo de periódicopt_BR
dc.identifier.nrb000856645pt_BR
dc.type.originNacionalpt_BR


Files in this item

Thumbnail
   

This item is licensed under a Creative Commons License

Show simple item record