Normal ou não normal??

E aí galera!!!

Faz tempo que não escrevo, mas hoje eu preparei um post para falar sobre normalidade dos dados.

Recebi alguns e-mails perguntando sobre como fazer esse teste....então vamos lá!!!!

É importante fazer esse teste logo no início do seu estudo num relatório de RPP, pois é necessário saber se seus resultados são bem modelados por uma distribuição normal ou não.

Existem vários testes usados para determinar se os dados são ou não normais. Um dos mais usados é o teste de Anderson-Darling, pois aceita melhor a normalidade.

Para o teste de Normalidade, podemos dizer que temos 2 hipóteses:

H0: Os dados seguem uma distribuição normal
H1: Os dados não seguem uma distribuição normal.

A decisão de rejeitar ou aceitar H0 depende diretamente o "p-value" calculado quando fazemos o teste de normalidade:

- Se o valor de p >0,05, então a distribuição é normal (aceita H0)

- Se o valor de p<0,05, a distribuição não é normal (rejeita H0)

Como verificar se meus resultados são normais?

Os dados permanecem alinhados sobre a reta e o valor de p-value é maior que 0,05.

Portanto, não se rejeita H0 e pode-se afirmar que os dados seguem uma distribuição normal.

E se o p-value for menor que 0,05??

Os dados não estão alinhados sobre a reta;
O p-value é menor que 0,05, portanto, rejeita-se H0, indicando que os dados não seguem uma distribuição normal.

Dica: é importante observar se a não normalidade dos seus dados não está acontecendo por ação de um outlier (valor discrepante em relação aos demais). Vale a pena fazer o teste de outlier ou um box plot para confirmar.

Resumindo....

Para esse Post paramos ali do lado esquerdo desse fluxograma. Dados normais - Distribuição normal.

Como fazer o teste de normalidade no Minitab?

- Escolher o teste de Normalidade na guia "estatística básica";
- Escolher na coluna da esquerda o parâmetro que você deseja testar a normalidade;
- Escolher o teste desejado e clicar em OK.