Um estudo foi realizado para estimar o teor de certa
proteína em uma amostra de 64 grãos de soja produzidos em
determinada fazenda. Os resultados mostraram que o teor de
proteína, em média, foi de 38%, sendo o desvio padrão amostral
igual a 2%. Esse estudo também não rejeitou a hipótese de
normalidade da distribuição do teor de proteína. Ao se testar a
hipótese nula de que o teor populacional de proteína é de 37%,
mediante aplicação do teste t de Student bilateral, o p-valor
encontrado foi de 0,0001.
Com base nessas informações, julgue o item a seguir.Os testes de Shapiro-Wilk, Kolmogorov-Smirnov e Anderson-Darling são exemplos de métodos estatísticos que poderiam ser utilizados na avaliação da hipótese de normalidade do caso em questão.
CCerto
EErrado
Revelar gabarito e comentário▾
GabaritoC — Certo
Comentário gerado por IA. É um apoio ao estudo, ancorado em fontes, mas pode conter imprecisões — confira sempre na fonte oficial (lei, súmula, edital e gabarito da banca). Encontrou um erro? Use “Reportar”.
Testes de normalidade: Shapiro-Wilk, Kolmogorov-Smirnov e Anderson-Darling
✅ CERTO. Os testes de Shapiro-Wilk, Kolmogorov-Smirnov e Anderson-Darling são, de fato, métodos estatísticos utilizados para avaliar a hipótese de normalidade de um conjunto de dados — exatamente o que o enunciado afirma. O texto-base já informa que o estudo "não rejeitou a hipótese de normalidade da distribuição do teor de proteína", e os três testes citados são procedimentos clássicos de aderência à distribuição normal, aplicáveis ao caso.
Esses testes pertencem à família dos testes de aderência (goodness-of-fit), cuja hipótese nula é justamente a de que os dados provêm de uma distribuição especificada — no caso, a normal. Quando o p-valor é alto (acima do nível de significância), não se rejeita H₀, concluindo-se que a suposição de normalidade é plausível. É exatamente essa a lógica aplicada no estudo descrito.
Vale destacar a distinção entre eles:
Shapiro-Wilk: baseado na correlação entre os dados ordenados e os quantis teóricos da normal; é recomendado para amostras pequenas e moderadas (tipicamente n < 50, embora possa ser usado até n = 2.000). É considerado um dos testes mais poderosos para detectar desvios de normalidade.
Kolmogorov-Smirnov (K-S): compara a função de distribuição acumulada empírica com a acumulada teórica da normal (com parâmetros estimados ou especificados). É mais adequado para amostras grandes, pois tende a ser pouco sensível a desvios nas caudas quando a amostra é pequena.
Anderson-Darling: uma modificação do K-S que dá mais peso às caudas da distribuição, tornando-o mais sensível a desvios nessas regiões. É amplamente utilizado em softwares estatísticos.
Todos os três são testes não paramétricos de aderência, no sentido de que não assumem uma forma paramétrica específica para a estatística de teste (embora avaliem a aderência a uma distribuição paramétrica, como a normal). Portanto, a afirmação está correta.
Testes de normalidade — só Testes de aderência: K-S, A-D; só Testes de normalidade: Shapiro-Wilk; Testes de aderência∩Testes de normalidade: todos os três
PEGA ESSA DICA!
Para memorizar os principais testes de normalidade, lembre-se da sigla SKA — Shapiro-Wilk, Kolmogorov-Smirnov e Anderson-Darling. Na prova, quando a questão perguntar sobre "avaliação da hipótese de normalidade", esses três são os nomes que você deve associar imediatamente. E lembre-se: a hipótese nula de todos eles é a de que os dados seguem distribuição normal — rejeitar H₀ significa que a normalidade não é plausível.