Teste de Anderson-Darling (Normalidade)
Calcula o teste de Anderson-Darling, um dos testes de normalidade mais poderosos disponíveis. Ele mede o quanto a distribuição empírica dos seus dados se afasta da curva normal, dando peso extra às caudas — justamente onde outros testes costumam falhar em perceber desvios. A ferramenta devolve a estatística A², a versão ajustada A²* (corrigida para o tamanho da amostra) e um valor-p aproximado. Quanto menor o A², mais compatível com a normal. Informe pelo menos 8 valores.
Resultado
—
Teste de Anderson-Darling (Normalidade)
Calcula o teste de Anderson-Darling, um dos testes de normalidade mais poderosos disponíveis. Ele mede o quanto a distribuição empírica dos seus dados se afasta da curva normal, dando peso extra às caudas — justamente onde outros testes costumam falhar em perceber desvios. A ferramenta devolve a estatística A², a versão ajustada A²* (corrigida para o tamanho da amostra) e um valor-p aproximado. Quanto menor o A², mais compatível com a normal. Informe pelo menos 8 valores.
Seus dados realmente seguem uma normal?
Boa parte dos métodos estatísticos pressupõe normalidade, e checar essa suposição antes de confiar nos resultados é uma higiene que poupa muita dor de cabeça. Entre os vários testes de normalidade, o de Anderson-Darling se destaca por uma virtude específica: ele é especialmente atento às caudas da distribuição, que é onde o ajuste à normal costuma falhar primeiro.
O teste padroniza os dados, ordena-os e compara a distribuição acumulada observada com a da normal teórica, ponderando as discrepâncias de modo a amplificar o que acontece nos extremos. O resultado é a estatística A², que cresce conforme os dados se afastam da normal. Como amostras pequenas distorcem um pouco a estatística, aplica-se uma correção que produz a versão ajustada A²*, da qual sai o valor-p.
Informe pelo menos oito valores. A ferramenta devolve A², o A²* ajustado e um valor-p aproximado pela fórmula clássica de Stephens. Um A² pequeno e um valor-p alto indicam que não há motivo para rejeitar a normalidade; um A² grande sugere que outro modelo de distribuição, ou uma transformação dos dados, pode ser mais adequado.
Ferramentas Relacionadas
Teste de Normalidade de D'Agostino-Pearson (K²)
Calcula o teste de normalidade omnibus de D'Agostino-Pearson, que combina duas pistas de não normalidade num único veredito: a assimetria (os dados pendem para um lado?) e a curtose (as caudas são pesadas ou leves demais?). Cada uma vira um escore z padronizado, e a soma dos seus quadrados, a estatística K², segue uma qui-quadrado com 2 graus de liberdade. É mais informativo que olhar assimetria e curtose isoladas. Informe a amostra (pelo menos 8 valores).
Teste de Kolmogorov-Smirnov (vs Normal)
Calcula o teste de Kolmogorov-Smirnov de uma amostra contra uma distribuição normal de média e desvio especificados. Ele mede a maior distância vertical entre a distribuição acumulada empírica dos seus dados e a curva normal teórica — a estatística D. Diferente de testes que olham só assimetria ou curtose, o KS compara as distribuições inteiras, ponto a ponto. Informe a amostra e os parâmetros da normal (média e desvio-padrão) a testar.
Teste de Grubbs (Outlier)
Calcula o teste de Grubbs, usado para identificar se o valor mais extremo de uma amostra é um outlier estatístico, sob a suposição de que os dados seriam normais sem ele. Ele compara o desvio do ponto mais distante da média, em unidades de desvio-padrão, com um valor crítico derivado da distribuição t. Se a estatística G ultrapassa o crítico, o ponto é sinalizado como discrepante. É o teste clássico para limpeza de dados antes de uma análise. Informe os dados e o nível de confiança.
Os resultados desta ferramenta têm caráter apenas informativo e educativo e não constituem aconselhamento profissional, financeiro, médico, jurídico, tributário ou contábil. Confirme decisões importantes com um profissional qualificado e fontes oficiais.