Transforme seus dados não normais com uma transformação de Box-Cox. As transformações não são normalmente necessárias para cartas de controle com subgrupos. Mas se os dados são muito assimétricos, você pode querer usar uma transformação de Box-Cox.
Se seus dados são não-normais você pode tentar uma transformação para que você possa usar uma análise de capacidade normal.
Para tratar dados com distribuição não-normal , o mais usual e que também será o foco deste artigo é a transformação dos dados para o uso de índices da primeira geração. Os modelos usados para análise de capacidade podem ser divididos em dois grandes grupos, segundo a distribuição estatística dos dados obtidos.
Agora dados que não seguem uma distribuição normal, são dados que não tem uma distribuição clara mais concentrada perto da média.
O teste Shapiro-Wilk Assim, dado um nível de significância, geralmente estabelecido em 5%, se o teste rejeitar a hipótese, então a distribuição dos dados não é normal. Ou seja, se o p-valor é menor que o nível estabelecido 5%, então temos indícios para descartar a normalidade dos dados.
Para realizar este teste é necessário instalar o pacote “dgof” (existem outros pacotes que realizam este teste da mesma maneira). Então a primeira coisa a se fazer é instalar e chamar o pacote “dgof”. Após isso, utilizaremos o comando “ks. test” para a análise.
Execute um teste de normalidade Selecione Estat > Estatísticas Básicas > Teste de Normalidade. Os resultados do teste indicam se você deve rejeitar ou deixar de rejeitar a hipótese nula de que os dados são provenientes de uma população distribuída normalmente.
A suposição de normalidade é aquela, segunda a qual assumimos que um conjunto de dados segue uma distribuição normal por não termos evidências suficientes para descartar essa. Dessa forma, seguimos com os cálculos da inferência estatística que assumem esse modelo de curva para a explicação da população.
2 - NÃO NORMALIDADE Existem casos em que a não normalidade é evidente, por exemplo: a) quando há restrições sobre os valores das obser- vações; b) quando a distribuição tem caudas pesadas ou deformações em relação à distribuição normal; e c) quando uma variável aleatória é definida pela razão entre outras duas.
A normalidade dos dados pode ser analisada descritivamente por meio de histogramas, box-plots, anlise da distncia entre mdia e mediana e coeficientes de assimetria e curtose, que medem, respectivamente, o grau de desvio ou afastamento da simetria e do achatamento da distribuio.
TRANSFORMAÇÃO DE DADOS Muitas vezes obtemos um conjunto de dados que quando visualizado apresenta imperfeições ou objetivos difíceis de ver Além disso, se você pretende analisar estatisticamente seus dados provavelmente precisar considerar a forma como os dados estão distribuídos Transformações são utilizadas para tratar destes dois problemas
Este teorema prova que a distribuição da média de dados de qualquer distribuição se aproxima da distribuição normal conforme o tamanho amostral aumenta. Portanto, se você estiver interessado em fazer uma inferência sobre uma média da população, a suposição de normalidade não é crítica desde que sua amostra seja grande o suficiente.
Como saber onde ficam os músculos pélvicos na vagina?
Qual a energia da pedra Quartzo Azul?
Quando usamos os pronomes reflexivos?
Como usar pinceis do Photoshop?
Como usar óleo de copaíba para bronquite?
Como configurar o roteador D-link Di 524 pelo celular?
Como escrever em chinês no celular?
Quem tem colesterol alto pode comer quiabo?
Quando passar o reparador de pontas?
Qual o benefício do quiabo para diabetes?
Como usar o Bob passo a passo?
Como usar produtos da Principia?
Qual é a função das conchas nasais?
Como usar óleo de lavanda do Terra?
Como fazer para entregar produtos do Enjoei?