Teste de normalidade

Origem: Wikipédia, a enciclopédia livre.
Ir para: navegação, pesquisa

Em estatística, os testes de normalidade são usados para determinar se um conjunto de dados de uma dada variável aleatória, é bem modelada por uma distribuição normal ou não, ou para calcular a probabilidade da variável aleatória subjacente estar normalmente distribuída.

Mais precisamente, os testes são uma forma de selecção de modelos, e podem ser interpretados de várias maneiras, dependendo de como cada um interpreta as probabilidades:

Exemplos de aplicações[editar | editar código-fonte]

  • Testar a normalidade dos resíduos de uma regressão linear. A regressão linear só deve ser usada se os erros são normais, portanto, caso o teste aponte que esta premissa é inválida, os resultados da regressão (intervalos de confiança, etc) não podem ser usados. Neste caso, o modelo deve ser modificado (introduzindo outras variáveis explanatórias, ou mudando o modelo) para que os erros se comportem como uma variável normal

Exemplos de testes[editar | editar código-fonte]


Translation Latin Alphabet.svg
Este artigo ou secção está a ser traduzido. Ajude e colabore com a tradução.

1

Métodos empíricos e gráficos[editar | editar código-fonte]

Histograma da distribuição[editar | editar código-fonte]

É possível visualizar a forma da distribuição através do seu histograma, e comparar este histograma com a função densidade de probabilidade da distribuição normal (de mesma média e desvio padrão), ou de qualquer outra distribuição.

Este método simples e rápido pode dar informações (empíricas) sobre a distribuição, por exemplo, uma distribuição com caudas pesadas pode ser melhor modelada por uma t de Student ou mesmo uma distribuição de Cauchy, ou, se for assimétrica, por uma log-normal, Weibull, exponencial ou beta.

Normality histogram.png

Predefinição:Boîte déroulante

Notas e referências

  1. Judge et al. (1988) and Gujarati (2003) recommend the Jarque-Bera test.

Referências[editar | editar código-fonte]

  • Judge et al, Introduction to the Theory and Practice of Econometrics, Second Edition, 1988; 890-892.
  • Gujarati, Damodar N., Basic Econometrics, Fourth Edition, 2003; 147-148

Ligações externas[editar | editar código-fonte]