Se utilizarmos uma escala particular no eixo das ordenadas, (papel de probabilidade normal), a representação gráfica de FX(x) transforma-se numa reta. Deste modo dado um conjunto de dados, representando-os através desta escala, a indicação de normalidade será tão mais evidente, quanto mais próxima de uma reta for a sua nuvem de pontos.
Exemplo: Considere-se o seguinte conjunto de dados:
109, 89, 99, 99, 107,
111, 86, 74, 115, 107, 134, 113, 110, 88, 104
Dados |
Freqüência Cumulativa Absoluta |
Freqüência Cumulativa Relativa (%) |
---|---|---|
74 |
|
|
86 |
|
|
88 |
|
|
89 |
|
|
99 |
|
|
104 |
|
|
107 |
|
|
109 |
|
|
110 |
|
|
111 |
|
|
113 |
|
|
115 |
|
|
134 |
|
|
freqüência cumulativa relativa= 100xfrequência cumulativa / (n+1).
A distribuição dos pontos (x, freqüência cumulativa relativa de x), num papel
de probabilidade normal, é a seguinte:
Salienta-se que este processo dá-nos apenas uma indicação, uma vez que é baseado numa apreciação visual, da proximidade a uma distribuição normal. Existem outros métodos mais eficientes dos quais é de realçar o teste de Kolmogorov-Smirnov.
Os dois quadros seguintes apresentam duas possíveis situações, onde se
pretende ilustrar um bom e mau ajustamento.
Notas : Para testar a hipótese de normalidade os dados são centrados e reduzidos. A freqüência relativa de cada elemento é igual a 1/n.
Exemplo:
Realizaram-se oito titulações, tendo obtido os
resultados:
25.13, 25.02, 25.11, 25.07, 25.03, 24.97, 25.14 e 25.09
Estes
resultados provêm de uma população com distribuição normal de parâmetros valor
médio =25 e desvio padrão=0.05?
A standarização dos dados x-25/0.05 conduz aos valores:
2.6, 0.4, 2.2,
1.4, 0.6, -0.6, 2.8 e 1.8
Estes valores depois de ordenados, calculada a freqüência
cumulativa e a função de distribuição para uma normal reduzida,
correspondem à seguinte tabela:
x-25/0.05 | Frequência Cumulativa |
Função de Distribuição |
Diferença Valor Absoluto |
---|---|---|---|
-0.6 | 1/8= 0.125 | 0.2743 | 0.1493 |
0.4 | 2/8= 0.250 | 0.6554 | 0.4054 |
0.6 | 3/8= 0.375 | 0.7257 | 0.3507 |
1.4 | 4/8= 0.500 | 0.9192 | 0.4192 MAX |
1.8 | 5/8= 0.625 | 0.9641 | 0.3391 |
2.2 | 6/8= 0.750 | 0.9861 | 0.2361 |
2.6 | 7/8= 0.875 | 0.9953 | 0.1200 |
2.8 | 1 | 0.9974 | 0.0026 |
Comparando o valor observado = 0.419, com o valor crítico para um número de observações igual a 8, 0.288, rejeitamos a hipótese nula.
Q=|valor suspeito-valor mais próximo|/(valor máximo-valor mínimo)
Os valores críticos para Q encontram-se tabelados, eliminando-se o outlier se
o quociente observado exceder este valor crítico. A tabela seguinte indica os
valores para alfa igual a 5% .
Dimensão da amostra | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
---|---|---|---|---|---|---|---|
Valor crítico alfa= 0.05 | 0.831 | 0.717 | 0.621 | 0.570 | 0.524 | 0.492 | 0.464 |
Q = |0.380 - 0.401| / |0.410 - 0.380| = 0.7
O valor crítico para n=4 é 0.831, superior a 0.7, logo não devemos rejeitar o valor 0.380.