O teste de normalidade é usado para verificar se os dados disponíveis podem ser adequadamente descritos por uma distribuição normal. Muitos métodos estatísticos, como a análise de capacidade de processo com Cp e Cpk, assumem dados distribuídos normalmente. O teste fornece indicações sobre se esse requisito é atendido.
Durante a produção de molho de tomate, os valores de viscosidade são registrados regularmente. Antes que análises adicionais possam ser realizadas, é necessário verificar se as medições são aproximadamente distribuídas normalmente. O valor p é 0.111. Como este é maior que 0.05, não há indicação de desvio da distribuição normal - os dados podem ser tratados como aproximadamente distribuídos normalmente.
Gráfico de Probabilidade
O gráfico de probabilidade é uma ajuda gráfica para verificar se os dados se assemelham aproximadamente a uma distribuição normal. Para isso, as medições são ordenadas por tamanho e comparadas com os valores que seriam esperados em uma distribuição normal perfeita.
- Se os pontos estiverem próximos da linha, os dados se comportam como uma distribuição normal.
- Se os pontos estiverem longe ou formarem uma curva, isso indica um desvio (por exemplo, formas em S, curvaturas fortes ou outliers).
Pode-se imaginar a linha como um "molde": Quanto melhor os pontos se encaixam nela, mais provável é que os dados sejam distribuídos normalmente.
Teste de Anderson-Darling
Além do gráfico de probabilidade, há também um teste estatístico: o teste de Anderson-Darling. Este teste verifica matematicamente se os dados se ajustam a uma distribuição normal e fornece um valor p:
- p > 0.05: nenhuma indicação de desvio → os dados podem ser considerados aproximadamente distribuídos normalmente.
- p ≤ 0.05: o teste encontra desvios significativos → os dados são considerados não distribuídos normalmente.
Por que frequentemente o teste de Anderson-Darling? Ele é particularmente sensível a desvios no início e no final da distribuição (onde estão localizados os outliers). Como resultado, ele detecta anomalias com mais frequência do que outros testes e fornece resultados mais confiáveis na prática.
Preparação
- Selecione uma variável de medição contínua e colete dados (por exemplo, viscosidade).
Utilização no AlphadiTab
- Na Fase de Medição, selecione a ferramenta Teste para Distribuição Normal.
- Selecione a coluna “Viscosidade”.
- Gere o gráfico com o botão “Criar Novo”.
Interpretação
- p-valor > 0.05: Nenhuma evidência de desvio da distribuição normal.
- p-valor ≤ 0.05: Evidência de desvio da distribuição normal – verifique a distribuição alternativa.
Exemplo: Viscosidade do Molho de Tomate
p-valor = 0.111 → nenhuma evidência de desvio.
Exemplo: Quantidade de Enchimento do Molho de Tomate
p-valor = 0.065 → nenhuma evidência de desvio.
Exemplo: Tempo de Recebimento de Mercadorias
p-valor ≤ 0.05 → desvio detectado, dados não distribuídos normalmente.
Exemplo: Tempo de Resposta do Serviço de TI
p-valor grande → dados aproximadamente distribuídos normalmente.
Exemplo: Vida Útil do Rolamento
p-valor = 0.000 → dados não distribuídos normalmente.
Para dados nominais ou ordinais, um teste de distribuição normal não é significativo, pois esses tipos de dados não podem ser distribuídos normalmente por natureza – uma distribuição normal requer medições contínuas.
Nota: Dados discretos (por exemplo, dados de contagem) podem seguir aproximadamente uma distribuição normal com amostras maiores; no entanto, se essa suposição se mantém, deve sempre ser verificado caso a caso.
Quantidade de Enchimento Molho de Tomate
A quantidade de enchimento do molho de tomate está sendo examinada – cada enchimento deve conter 500 ml. Antes que a qualidade do processo de enchimento possa ser avaliada, verifica-se se as quantidades de enchimento medidas se assemelham a uma distribuição normal típica.
Interpretação
No gráfico de probabilidade, os pontos de dados estão principalmente na linha. O teste de Anderson-Darling mostra um valor p de 0.065 (> 0.05) – nenhuma evidência de desvio significativo. Agrupamentos de frequência visíveis são devidos à resolução do instrumento de medição ou valores arredondados e não representam uma anomalia de distribuição.
→ Dados aproximadamente distribuídos normalmente – utilizáveis para análise posterior.
Tempo de Processamento de um Pedido
No recebimento de mercadorias, cada pedido passa por uma etapa de verificação (checagem de notas de entrega, registro de itens). Códigos de barras ausentes, notas de entrega incompletas ou consultas levam a tempos de processamento muito diferentes. Verifica-se se os dados são aproximadamente distribuídos normalmente.
Interpretação
No gráfico de probabilidade, os pontos desviam-se significativamente da linha, especialmente na faixa inferior e média. O teste de Anderson-Darling confirma isso com um valor p de 0.018 (< 0.05). A hipótese nula de distribuição normal é rejeitada.
→ Dados não distribuídos normalmente.
Solicitações de Tempo de Resposta
No service desk de TI, solicitações muito diferentes são recebidas diariamente. Casos simples são processados rapidamente, tickets mais complexos são atrasados – embora o tempo de resposta não deva exceder 35 minutos. Verifica-se se os dados estão aproximadamente distribuídos normalmente.
Interpretação
Na rede de probabilidade, os pontos de medição estão na maioria muito próximos da linha, sem desvios sistemáticos. O teste de Anderson-Darling confirma isso com um valor p de 0.422 (> 0.05).
→ Dados aproximadamente distribuídos normalmente.
Vida útil dos rolamentos
Para um novo tipo de máquina, os rolamentos são testados em operação contínua até falharem. Isso gera dados de vida útil para avaliar a confiabilidade dos componentes. Verifica-se se os dados são aproximadamente distribuídos normalmente.
Interpretação
No gráfico de probabilidade, os pontos de dados desviam-se significativamente da linha. O teste de Anderson-Darling confirma isso com um valor p de 0.000 (< 0.05) – a hipótese de distribuição normal é claramente rejeitada.
→ Dados não distribuídos normalmente – use avaliação baseada em distribuição (por exemplo, Weibull).
O teste de distribuição normal é baseado no teste de Anderson-Darling conforme implementado no pacote NMath.