Apresentação referente à 16ª aula da disciplina Estatística Aplicada à Administração do curso de graduação em Administração da Universidade Federal de Pernambuco, conduzida pelo Prof. MSc. Marcus Araújo.
2. Briefing
• Nessa aula você irá:
1. Tomar ciência sobre o que são dados
paramétricos e não paramétricos;
2. Aprender sobre os testes de normalidade;
3. Conhecer o Teorema do Limite Central.
2/16
3. Sumário
• Características da Estatística dos Dados;
• Testes de Normalidade;
• Hipóteses dos Testes;
• Interpretação dos Testes;
• Teorema do Limite Central.
3/16
4. Características da Estatística
dos Dados
• Estatística Paramétrica:
– É um ramo da Estatística que formula testes tomando
como pressuposto o fato dos dados a serem testados
serem provenientes de um tipo específico de distribuição;
– Esse tipo de distribuição é a distribuição normal;
– Tais distribuições são proveniente de mecanismos
gaussianos aleatórios;
– A maioria dos teste estatísticos clássicos são paramétricos;
– Os teste paramétricos possuem um maior poder de
explicação.
4/16
5. Características da Estatística
dos Dados
• Estatística Não Paramétrica:
– É um ramo da Estatística que formula testes que não
tomam como pressuposto o fato dos dados a serem
paramétricos;
– São uma alternativa aos testes paramétricos e aos seus
pressupostos;
– As distribuições testadas podem ser provenientes de
qualquer mecanismo;
– Os teste não paramétricos possuem um menor poder de
explicação, mas possuem sua utilidade.
5/16
6. Características da Estatística
dos Dados
• A distribuição é
gaussiana?
• Os dados são
paramétricos ou
não paramétricos?
• Quais tipos de
testes utilizar na
análise dos dados?
6/16
0,5%
1,2%
5,6%
11,1%
17,8%
23,8%
21,1%
12,0%
4,6%
1,7%
0,7%
0 1 2 3 4 5 6 7 8 9 10
Conhecimento Científico (0-10)
0
20
40
60
80
100
120
140
160
NºdeObservações
7. Testes de Normalidade
• Para responder tais perguntas, o pesquisador deve
utilizar um ou mais testes de normalidade (ou de
aderência);
• São testes empregados para determinar se uma dada
distribuição de frequências pode ou não ter sido
gerada por um mecanismo gaussiano;
• Há diversos tipos distintos de testes de normalidade.
Porém, a maioria deles possui a mesma
interpretação.
7/16
8. Testes de Normalidade
• Teste de Kolmogorov-Smirnov (K-S): Um dos mais
antigos testes, sendo também um dos que mais
aceita os dados como paramétricos;
• Teste de Lilliefors (L): Uma variante do teste K-S,
sendo mais precisa do que este;
• Teste de Shapiro-WilkK (W): Um dos testes mais
rigorosos na aceitação dos dados como
paramétricos, sendo, também, um dos mais
amplamente utilizados.
8/16
10. Hipóteses dos Testes
• Hipótese Nula (H0):
– A distribuição da amostra testada é retirada da
distribuição de referência (teste uniamostral);
– As distribuições das amostras testadas são
retiradas da mesma distribuição (teste
biamostral).
• Testa-se, portanto, se a distribuição é proveniente de
um mecanismo aleatório gaussiano e, portanto,
apresenta dados paramétricos.
10/16
11. Hipóteses dos Testes
• Hipótese Alternativa (H1):
– A distribuição da amostra testada não é retirada
da distribuição de referência (teste uniamostral);
– As distribuições das amostras testadas não são
retiradas da mesma distribuição (teste
biamostral).
• Ao rejeitar H0, tem-se que a distribuição não é
proveniente de um mecanismo aleatório gaussiano
e, portanto, apresenta dados não paramétricos.
11/16
13. Interpretação dos Testes
• Os testes de normalidade, em geral, emitem um
valor de probabilidade (p) de H0 ser confirmada;
• Para valores de (p) ≤ 0,05: rejeita-se H0 e aceita-se H1
onde os dados são considerados não paramétricos e
provenientes de um mecanismo não gaussiano;
• Para valores de (p) > 0,05: confirma-se H0
considerando que os dados são paramétricos e
provenientes de um mecanismo gaussiano.
13/16
17. Teorema do Limite Central
• Trata-se de um fenômeno matemático;
• A média de muitas variáveis aleatórias
independentes tende à distribuição gaussiana;
• Funciona sempre quando as distribuições são todas
idênticas e na grande maioria dos casos quando elas
são diferentes entre si;
• O teorema justifica o fato da elevada prevalência da
distribuição gaussiana nos fenômenos.
17/16
19. Encerramento
Fim da Aula 16:
Testes de
Normalidade
Prof. MSc. Marcus Araújo
envieparamarcus@gmail.com
br.linkedin.com/in/araujomarcus
@marcus_araujo 19/16