Etapa 1: Determine se os dados não seguem uma distribuição normal
Para determinar se os dados não seguem uma distribuição normal, compare o valor de p com o nível de significância. Geralmente, um nível de significância (denotado como α ou alfa) de 0,05 funciona bem. Um nível de significância de 0,05 indica um risco de 5% de concluir que os dados não seguem a distribuição normal quando eles realmente a seguem.
Valor de p ≤ α: Os dados não seguem uma distribuição normal (Rejeite H0)
Se o valor de p for menor ou igual ao nível de significância, você deve rejeitar a hipótese nula e concluir que os seus dados não seguem a distribuição normal.
Valor de p > α: Não é possível concluir que os dados não seguem uma distribuição normal (não deve rejeitar H0)
Se o valor de p for maior do que o nível de significância, você não deve rejeitar a hipótese nula. Não há evidências suficientes para concluir que os dados não seguem uma distribuição normal.
Resultados principais: valor de p
Nestes resultados, a hipótese nula afirma que os dados seguem uma distribuição de normal. Como o valor de p é 0,463, que é maior do que o nível de significância de 0,05, a decisão é deixar de rejeitar a hipótese nula. Não é possível concluir que os dados não seguem uma distribuição normal.
Etapa 2: visualize o ajuste da distribuição normal
Para visualizar o ajuste da distribuição normal, examine o gráfico de probabilidade e avalie quanto próximo os pontos de dados seguem a linha de distribuição ajustada. As distribuições normais tendem a ficar de próximas da linha reta. Os dados assimétricos formam uma linha curva.
Dados assimétricos à direita
Dados assimétricos à esquerda
Dica
No Minitab, mantenha o cursor sobre a linha de distribuição ajustada para ver um gráfico de percentis e valores.
Neste gráfico de probabilidade, os dados formam uma linha aproximadamente reta ao longo da linha. A distribuição normal parece ser um bom ajuste para os dados.
