Questão 1608106

• Banca: CESPE / CEBRASPE
• Órgão: ANTT
• Ano: 2013
• Provas: CESPE - 2013 - ANTT - Especialista em Regulação de Serviços de Transportes Terrestres - Estatística
• Disciplina: Estatística
• Assuntos: Estatística não paramétrica; Inferência estatística; Teste de Kolmogorov-Smirnov; Testes de aderência e Tabelas de contingência: Testes de independência e homogeneidade

Os testes estatísticos são bastante úteis na etapa de diagnósticos do processo de modelagem estatística de dados, pois permitem avaliar aspectos como independência, normalidade, homogeneidade e aderência dos dados, entre várias outras hipóteses. Considerando que X e Y representam variáveis quantitativas e que A e B denotam variáveis qualitativas, julgue o seguinte item , a respeito de testes de hipóteses.

Pode-se testar a normalidade de uma variável X, por meio de diversos testes, como, por exemplo, o de Jarque-Bera, o de Anderson-Darling, o de Cramér-von Mises, o de Lilliefors, o de Kolmogorov-Smirnov e o de Shapiro-Wilk.

• C. Certo
• E. Errado

Gabarito: C

Comentários

• nunca nem vi.

  que dia foi isso?

• GAB: Certo

  Os testes de normalidade sofrem influência do tamanho amostral quanto à sua eficiência.

  Em amostras pequenas (entre 4 e 30 unidades), há inflação do erro tipo I, sendo preferidos os testes de Shapiro-Wilk e Shapiro-Francia (maior especificidade).

  O teste de D'Agostino-Pearson foi desenvolvido para lidar com amostras mais numerosas (n > 100), apresentando, nesses casos, desempenho próximo ao do Shapiro-Wilk. O teste de Jarque-Bera apresenta bom desempenho na avaliação de normalidade em amostras maiores que 50 unidades, assim como o teste de Anderson-Darling ,  , .

  O teste de Kolmogorov-Smirnov deve ser dedicado apenas à verificação de aderência da amostra a distribuições com outros parâmetros, visto que é superado pelos outros aqui descritos para testar a normalidade dos dados. Por outro lado, o emprego da correção de Lilliefors oferece uma boa opção para analisar normalidade quando a distribuição contiver muitos dados extremos e a amostra for maior que 30 unidades.

  fonte: ncbi.nlm.nih.gov/pmc/articles/PMC5915855/