O Que É A Prueba De Normalidade Kolmogorov-Smirnov (K-S)?

A Prueba de Normalidade Kolmogorov-Smirnov (K-S) é um método estatístico amplamente utilizado para testar se um conjunto de dados é ou não distribuído de maneira normal. O teste foi desenvolvido pelo matemático russo Andrey Kolmogorov e pelo biólogo russo Nikolay Smirnov nos anos 1930. O teste é usado para detectar discrepâncias entre uma distribuição teórica e uma distribuição empírica. É um teste não paramétrico, o que significa que não requer nenhuma suposição sobre a distribuição dos dados.

Como funciona a Prueba de Normalidade Kolmogorov-Smirnov?

O teste de normalidade K-S funciona comparando a distribuição dos dados a uma distribuição teórica, como a normal, usando a diferença entre as duas distribuições para gerar um valor de teste. O valor de teste é então comparado a um valor de referência, que é obtido a partir de uma tabela de valores críticos. Se o valor de teste for maior que o valor crítico, isso significa que há evidências estatisticamente significativas de que a distribuição dos dados não é normal.

Exemplo de Prueba de Normalidade Kolmogorov-Smirnov

Um exemplo comum de uso da Prueba de Normalidade Kolmogorov-Smirnov é na análise de dados provenientes de uma pesquisa. Por exemplo, suponha que uma pesquisa seja conduzida para avaliar a satisfação dos clientes com um produto. Os resultados da pesquisa são armazenados em uma variável chamada “Satisfação dos Clientes”. Se a variável “Satisfação dos Clientes” for distribuída de maneira normal, isso significa que a maioria dos clientes está satisfeita com o produto. No entanto, se a variável não for distribuída de maneira normal, isso significa que a maioria dos clientes não está satisfeita com o produto.

Para determinar se a variável “Satisfação dos Clientes” é distribuída de maneira normal, um teste de normalidade K-S pode ser usado. Para realizar o teste, os dados da variável “Satisfação dos Clientes” são usados ​​para gerar uma distribuição empírica. A diferença entre essa distribuição empírica e uma distribuição normal é então calculada. Se essa diferença for maior do que o valor crítico especificado, isso significa que a variável “Satisfação dos Clientes” não é distribuída de maneira normal.

Vantagens e desvantagens da Prueba de Normalidade Kolmogorov-Smirnov

A Prueba de Normalidade Kolmogorov-Smirnov é uma ferramenta muito útil para determinar se um conjunto de dados está distribuído de maneira normal. No entanto, como todas as ferramentas estatísticas, há algumas desvantagens associadas ao teste. Algumas das principais vantagens e desvantagens do teste de normalidade K-S são listadas abaixo.

Vantagens

• É um teste não paramétrico, o que significa que não requer nenhuma suposição sobre a distribuição dos dados.
• É simples de calcular.
• Pode ser usado para detectar discrepâncias entre uma distribuição teórica e uma distribuição empírica.

Desvantagens

• Não é muito preciso.
• Não é adequado para conjuntos de dados com muitos valores.
• Não é adequado para grandes conjuntos de dados.

Tabela de Valores Críticos

Conclusão

A Prueba de Normalidade Kolmogorov-Smirnov (K-S) é uma ferramenta estatística útil para determinar se um conjunto de dados está distribuído de maneira normal. O teste é simples de calcular e não requer nenhuma suposição sobre a distribuição dos dados. No entanto, o teste não é muito preciso e não é adequado para grandes conjuntos de dados. Os valores críticos do teste são obtidos a partir de uma tabela de valores críticos. Se o valor de teste for maior que o valor de referência, isso significa que há evidências estatisticamente significativas de que a variável não é normalmente distribuída.

Para saber mais sobre a Prueba de Normalidade Kolmogorov-Smirnov, consulte o Statistics How To.