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