1. RI UFLA
  2. Programas de Pós-Graduação - Teses e Dissertações
  3. Estatística e Experimentação Agropecuária - Doutorado (Teses)
Please use this identifier to cite or link to this item: http://repositorio.ufla.br/jspui/handle/1/952
Full metadata record
DC FieldValueLanguage
dc.creatorPereira Filho, Nelson de Almeida-
dc.date.accessioned2013-09-02T12:27:06Z-
dc.date.available2013-09-02T12:27:06Z-
dc.date.copyright2013-
dc.date.issued2013-
dc.date.submitted2013-06-13-
dc.identifier.citationPEREIRA FILHO, N. de A. Teste Monte Carlo de normalidade univariado. 2013. 55 p. Tese (Doutorado em Estatística e Experimentação Agropecuária) - Universidade Federal de Lavras, Lavras, 2013.pt_BR
dc.identifier.urihttp://repositorio.ufla.br/jspui/handle/1/952-
dc.descriptionTese apresentada à Universidade Federal de Lavras,como parte das exigências do Programa de Pós-Graduação em Estatística e Experimentação Agropecuária, área de concentração em Estatística e Experimentação Agropecuária, para a obtenção do título de Doutor.pt_BR
dc.languagept_BRpt_BR
dc.publisherUNIVERSIDADE FEDERAL DE LAVRASpt_BR
dc.rightsacesso abertopt_BR
dc.subjectNormalidadept_BR
dc.subjectSimulaçãopt_BR
dc.subjectShapiro-Wilkpt_BR
dc.subjectSoftware Rpt_BR
dc.subjectPoderpt_BR
dc.subjectNormalitypt_BR
dc.subjectSimulationpt_BR
dc.subjectPowerpt_BR
dc.titleTeste Monte Carlo de normalidade univariadopt_BR
dc.typetesept_BR
dc.publisher.programDEX - Programa de Pós-graduaçãopt_BR
dc.publisher.initialsUFLApt_BR
dc.publisher.countryBRASILpt_BR
dc.description.concentrationEstatística e Experimentação Agropecuáriapt_BR
dc.contributor.advisor1Ferreira, Daniel Furtado-
dc.contributor.referee1Silva, Giovana Oliveira-
dc.contributor.referee1Nunes, José Airton Rodrigues-
dc.contributor.referee1Lima, Paulo César-
dc.contributor.referee1Safadi, Telma-
dc.description.resumoAs distribuições normais de probabilidade descrevem o comportamento de muitos fenômenos da vida real em vários campos da ciência. Ao se retirar uma amostra aleatória de uma população, no caso univariado, é comum se pressupor que os dados ou resíduos do modelo adotado são proveniente de uma população normalmente distribuída. Os gráficos como histogramas e Q-Qplots são maneiras bastante eficientes, porém subjetivas de se verificar a normalidade da distribuição dos dados ou dos resíduos do modelo considerado. No entanto isso não é suficiente para se fazer inferência sobre a normalidade dos dados coletados ou dos resíduos do modelo utilizado para modelar os dados. Objetivou-se com estas pesquisas comparar o teste de normalidade Shapiro-Wilk com um teste de normalidade univariado proposto. Este novo teste é baseado no cálculo do coeficiente de determinação entre os observados das estatísticas de ordem amostrais e os valores esperados das estatísticas de ordem da distribuição normal padrão. A distribuição nula da estatística foi obtida via simulação Monte Carlo. Os resultados obtidos de poder e do erro tipo I, permitem que se conclua que a proposta é, em geral, mais eficiente que o teste Shapiro-Wilk e não possui a limitação prática de ser restrito a tamanho de amostra máximo de 5:000 unidades, que é uma limitação de seu principal concorrente.pt_BR
dc.description.resumoThe normal probability distributions describe the behavior of many real-life phenomena in various fields of science. When a random sample was drawn from a population, in the univariate case, it is common to assume that the data or the model residuals are normally distributed. Graphs like histograms and Q-Qplots are ways quite efficient, but subjective, to verify the assumption of normality of data or model residuals. However, this procedures are not enough to verify the normality of the data or the residuals of the adopted model. This research aims to compare the Shapiro-Wilk normality test with a proposed univariate normality test. This new test is based on the coefficient of determination between the observed values of order statistics and the expected values of standard normal order statistics. The null distribution of the statistic was obtained via Monte Carlo simulation. The results for power and of type I error rates, allow the conclusion that the proposal method is generally more efficient than the Shapiro-Wilk and has no practical limitation of being restricted to a maximum sample size of 5;000 units, which is the main competitor limitation.pt_BR
dc.subject.cnpqCNPQ_NÃO_INFORMADOpt_BR
Appears in Collections:Estatística e Experimentação Agropecuária - Doutorado (Teses)

Files in This Item:
File Description SizeFormat 
TESE_Teste Monte Carlo de normalidade univariado.pdf243,31 kBAdobe PDFView/Open
Show simple item record Recommend this item


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.