Teste de normalidade
Um teste de normalidade avalia se um conjunto de dados segue uma distribuição normal (em forma de sino). Muitos métodos estatísticos, incluindo testes t, ANOVA, regressão e cartas de controle, pressupõem que os dados têm distribuição normal.
Última revisão
Conclusão principal
Um teste de normalidade avalia se um conjunto de dados segue uma distribuição normal (em forma de sino).
Nesta página
O que é o teste de normalidade?
Um teste de normalidade avalia se um conjunto de dados segue uma distribuição normal (em forma de sino). Muitos métodos estatísticos, incluindo testes t, ANOVA, regressão e cartas de controle, pressupõem que os dados têm distribuição normal. Executar primeiro um teste de normalidade confirma se essa premissa é válida, garantindo que os resultados das análises seguintes sejam precisos e confiáveis.
Há vários métodos disponíveis, incluindo Anderson-Darling, Ryan-Joiner e Kolmogorov-Smirnov. Cada um usa uma abordagem matemática diferente, mas todos produzem um valor-p que indica se há evidência significativa contra a normalidade.
Definição simples: Uma verificação que informa se os seus dados seguem a forma normal de sino, o que é um requisito para que muitos testes estatísticos deem resultados válidos.
Quando usar o teste de normalidade?
- Use antes de executar testes t, ANOVA, regressão ou análise de capacidade para confirmar que a premissa de normalidade é satisfeita.
- Use ao selecionar a carta de controle ou o método de capacidade adequado : dados não normais exigem outros tipos de carta ou transformações.
- Use ao validar um novo conjunto de dados ou processo cuja forma de distribuição é desconhecida.
- Use ao decidir se deve aplicar uma transformação (ex.: Box-Cox ou Johnson) antes de prosseguir com a análise.
Diretrizes para o uso correto do teste de normalidade
- Colete pelo menos 20 pontos de dados antes de executar um teste de normalidade: amostras muito pequenas não têm poder para detectar a não normalidade de forma confiável.
- Use o teste de Anderson-Darling como padrão : é o método mais amplamente aceito e dá maior peso às caudas da distribuição, onde a não normalidade normalmente aparece.
- Um valor-p maior que 0.05 indica evidência insuficiente para rejeitar a normalidade: os dados são consistentes com uma distribuição normal.
- Um valor-p menor que 0.05 indica que os dados se afastam significativamente da normalidade: considere uma transformação ou um método não paramétrico.
- Sempre examine o gráfico de probabilidade junto com o valor-p : uma verificação visual revela a natureza e a gravidade de qualquer afastamento da normalidade.
- Para amostras grandes (n > 100), o teste fica muito sensível a desvios pequenos, sem importância prática : sempre combine o valor-p com uma avaliação visual.
Alternativas: quando não usar o teste de normalidade
- Se você já sabe que os dados são não normais, pule o teste de normalidade e passe direto para a Identificação de distribuição individual para encontrar a distribuição de melhor ajuste.
- Se o tamanho da sua amostra for muito pequeno (menos de 10), o teste de normalidade tem poder muito baixo: considere coletar mais dados antes de tirar conclusões.
- Se você trabalha com dados por atributos (contagens ou proporções), o teste de normalidade não se aplica: esses tipos de dados seguem distribuições binomial ou de Poisson.
Exemplo de teste de normalidade
Esta é uma amostra aleatória de dados de uma distribuição binomial. Vamos fazer um teste de normalidade de Anderson-Darling com esses dados. As etapas do teste são as seguintes:
- Coletou os dados necessários.

- Em seguida, analise os dados no Zometric Statistical Software em https://statsai.zometric.com/.
- Para encontrar o Normality test, escolha Statistical module> Hypothesis Test> Normality test.
- Na ferramenta, insira os dados e as demais entradas da seguinte forma:

5. Depois de usar a ferramenta mencionada acima, obtém-se a saída a seguir:

Como fazer o teste de normalidade
O guia é o seguinte:
- Faça login no Zometric Statistical Software em https://statsai.zometric.com/
- Na página inicial, escolha Statistical Tool> Hypothesis Test >Normality test .
- Em seguida, atualize os dados manualmente ou copie todos os dados (Ctrl+C) de uma planilha do Excel e cole-os (Ctrl+V) aqui.
- Preencha as opções necessárias.
- Por fim, clique em calculate na parte inferior da página para obter os resultados desejados.
No painel (dashboard) do teste de normalidade, a janela é dividida em duas partes.

Na parte esquerda fica o painel de dados (Data Pane). No Data Pane, cada linha forma um subgrupo. Os dados podem ser inseridos manualmente, ou você pode copiar todos os dados (Ctrl+C) de uma planilha do Excel e colá-los (Ctrl+V) aqui.
Load example: Os dados de exemplo serão carregados.
Load File: É usado para carregar diretamente os dados do Excel.
Na parte direita, há várias opções, descritas a seguir:
- Responses Selecione a(s) coluna(s) com os dados contínuos que você quer testar quanto à normalidade. Use Ctrl ou Command + clique para selecionar várias colunas se quiser testar várias variáveis de uma só vez. Cada coluna selecionada é testada e plotada de forma independente: a ferramenta gera um gráfico de probabilidade e um resultado separados para cada variável selecionada.
- Tests for Normality Escolha o método estatístico usado para avaliar se os dados seguem uma distribuição normal. Há três opções, e cada uma usa uma abordagem matemática diferente, mas todas produzem um valor-p e um gráfico de probabilidade:
- Anderson-Darling — o padrão mais usado e recomendado. Dá maior peso às caudas da distribuição, tornando-o mais sensível a desvios que ocorrem nos extremos dos dados. É o mais indicado para testes de normalidade de uso geral na maioria dos setores e aplicações.
- Ryan-Joiner — semelhante em abordagem ao teste de Shapiro-Wilk, mede o quanto os pontos de dados seguem uma linha reta em um gráfico de probabilidade normal. É uma boa alternativa quando você quer uma avaliação de normalidade baseada em correlação. Observe que esse método é uma aproximação do Shapiro-Wilk.
- Shapiro-Wilk — considerado um dos testes de normalidade mais poderosos, particularmente para amostras pequenas (menos de 50 observações). Calcula uma estatística W que mede o quanto os dados se ajustam a uma distribuição normal e é a escolha preferida quando as amostras são pequenas e a precisão importa.
- Title Permite inserir um título personalizado que aparecerá no topo da saída do gráfico de probabilidade. É útil para rotular a carta com o nome da variável, o produto, a referência do estudo ou a data, facilitando a identificação e a apresentação do resultado em relatórios ou documentação.
- Download as Excel Exporta os resultados do teste de normalidade, incluindo a estatística de teste, o valor-p e as estatísticas descritivas, para um arquivo do Excel, para elaborar relatórios, compartilhar com colegas ou manter um registro formal da análise.
Perguntas frequentes
O que é um teste de normalidade?
Um teste de normalidade avalia se um conjunto de dados segue uma distribuição normal, em forma de sino. Muitos métodos, incluindo testes t, ANOVA, regressão e cartas de controle, pressupõem dados com distribuição normal, de modo que executar primeiro um teste de normalidade confirma se essa premissa é válida. Os métodos disponíveis incluem Anderson-Darling, Ryan-Joiner e Shapiro-Wilk, e cada um produz um valor-p.
Como interpretar o valor-p de um teste de normalidade?
Um valor-p maior que 0.05 indica evidência insuficiente para rejeitar a normalidade, portanto os dados são consistentes com uma distribuição normal. Um valor-p menor que 0.05 indica que os dados se afastam significativamente da normalidade; considere uma transformação ou um método não paramétrico. Sempre examine o gráfico de probabilidade junto com o valor-p.
Qual teste de normalidade usar?
O Anderson-Darling é o padrão recomendado; ele dá maior peso às caudas, onde a não normalidade normalmente aparece. O Shapiro-Wilk é considerado um dos testes mais poderosos para amostras pequenas, com menos de 50 observações. O Ryan-Joiner é uma aproximação do Shapiro-Wilk baseada em correlação, que mede o quanto os pontos seguem uma linha reta em um gráfico de probabilidade normal.
Quantos pontos de dados são necessários para um teste de normalidade?
Colete pelo menos 20 pontos de dados, pois amostras muito pequenas não têm poder para detectar a não normalidade; com menos de 10, o teste tem poder muito baixo. Para amostras grandes, acima de 100, o teste fica muito sensível a desvios pequenos, sem importância prática, portanto combine o valor-p com uma avaliação visual do gráfico de probabilidade.
