TESTES DE KOLMOGOROV-SMIRNOV E SHAPIRO-WILK

TESTES DE KOLMOGOROV-SMIRNOV E SHAPIRO-WILK
O R possui uma serie de funções que auxiliam a resolução de problemas que envolvam
testes de hipóteses. Para verificar consulte a ajuda em PACKAGES – CTEST ( Classical
Test )
Este documento mostra de forma simples, como podemos efetuar os testes de
Kolmogorov-Smirnov e Shapiro-Wilk
1) TESTE SHAPIRO-WILK
Este teste apenas verifica se os dados tem distribuição normal.
A sintaxe é bem simples:
shapiro.test(x)
Onde:
• X = conjunto de dados que se quer analisar
EXEMPLO:
#Inserindo os dados
> d1<-c(30.5,
25.8)
34.1, 27.9, 35.0, 26.9, 30.2, 28.3, 31.7,
#RESULTADOS
> shapiro.test(d1)
Shapiro-Wilk normality test
data: d1
W = 0.9546, p-value = 0.7407
CONCLUSÕES
Através de W e do p-valor podemos concluir que os dados tem distribuição normal
2) TESTE KOLMOGOROV-SMIRNOV
Este teste, conforme vimos na teoria estudada, pode ser usado para verificar se os dados
seguem uma determinada distribuição ( normal, exponencial, binomial, etc)
A sintaxe é bem simples:
> ks.test(x, y, ..., alternative = c("two.sided", "less",
"greater"), exact = NULL)
Onde:
• X,Y = conjunto de dados que se quer analisar
EXEMPLO: Vamos verificar se os dados acima tem distribuição normal. Consideraremos
a média e o desvio padrão da amostra.
#Inserindo os dados
> d1<-c(30.5, 34.1, 27.9, 35.0, 26.9, 30.2, 28.3, 31.7, 25.8)
#Calculando média e desvio padrão
> dp<-sd(d1)
> media<-mean(d1)
#RESULTADOS
> ks.test(d1,pnorm,media,dp)
One-sample Kolmogorov-Smirnov test
data: d1
D = 0.1544, p-value = 0.9828
alternative hypothesis: two.sided
CONCLUSÕES
Através de D e do p-valor podemos concluir que os dados tem distribuição normal
OBS: Verifique que entramos com os dados, suposição de normalidade , média e desvio
padrão da amostra
REF. BIBLIOGRAFICAS
BUSSAB & MORETTIN. Estatística Básica. 5a Edição. SARAIVA, 2003.
Capítulo 14 – itens 14.6