AVALIAÇÃO DE TESTES DE NORMALIDADE IMPLEMENTADOS NO PROGRAMA R POR SIMULAÇÃO MONTE CARLO (pp.33-41)

A distribuicao normal e o modelo probabilistico continuo mais importante porque a maioria dos metodos estatisticos e baseado nesse modelo e a maioria dos fenomenos aleatorios pode ser descrita de forma aproximada por ele. Ha  varios testes de normalidade que, muitas vezes, produzem resultados diferentes podendo rejeitar ou nao a hipotese nula de normalidade. O objetivo do trabalho foi avaliar as taxas de erro tipo I e poder dos testes de normalidade  Shapiro-Wilk, Anderson-Darling, D'Agostino-Pearson e Lilliefors implementados no programa R para decidir quais apresentam o melhor desempenho. As simulacoes de diferentes tamanhos amostrais e algumas distribuicoes simetricas e  assimetricas foram feitas no programa R para avaliar as taxas de erro tipo I e poder dos testes. Sob normalidade, os quatro testes foram exatos e, em relacao ao poder, o desempenho foi afetado pelo tamanho da amostra e pelo tipo de  distribuicao. Em distribuicoes simetricas, o teste D'Agostino-Pearson (DG) foi um pouco mais poderoso do que o teste Shapiro-Wilk (SW) enquanto que, nas distribuicoes assimetricas, ocorreu o contrario, porem, os dois foram superiores  aos outros. Entretanto, o teste SW pode ser mais indicado pois o teste DG so pode ser aplicado para amostras maiores do que 30.Palavras-chave: Normalidade Univariada, Programa Estatistico Livre, Teste de Shapiro-Wilk.