Shapiro-Wilk

O que o bloco faz

models/shapiro Aplica Shapiro–Wilk a uma coluna (3–5000 observações). A saída é data/test.

Antes de continuar

Termos que esta página usa, em poucas palavras. As definições completas estão no glossário.

Hipótese nula

A afirmação que o teste põe à prova, em geral a de que não há efeito ou diferença (médias iguais, ausência de tendência). O teste mede o quanto os dados são incompatíveis com ela; não rejeitá-la não prova que ela é verdadeira.

Resíduo

A diferença entre o valor observado e o valor que o modelo ajustado prevê para aquela observação. É nos resíduos que se conferem os pressupostos do modelo: eles devem parecer ruído, sem padrão.

Tratamento

A condição aplicada a uma unidade experimental: um nível de um fator ou uma combinação de níveis de vários fatores. As comparações do experimento são entre tratamentos.

Pressuposto

Uma condição sob a qual o método dá resultados confiáveis, como resíduos normais ou observações independentes. Quando um pressuposto falha, p-valores e intervalos podem ficar errados, mesmo que a conta rode.

Normalidade

Pressuposto de que os erros do modelo seguem a distribuição normal (em forma de sino). Em modelos lineares ele se confere nos resíduos, não nos dados brutos; desvios leves pesam pouco em amostras grandes.

Quando usar

Use para avaliar a normalidade de uma coluna observada; para pressuposto de regressão, escolha o teste de resíduos.

Pressupostos

• As observações são independentes entre si.

  Se falhar: Não há teste no trama para isso: é o delineamento (sorteio, uma medida por unidade) que garante. Medidas repetidas na mesma unidade pedem models/paired_t ou models/lmer.

• De 3 a 5000 valores, sem muitos empates por arredondamento.

• A coluna é uma população só: com grupos ou tratamentos misturados, a coluna crua não é o que um modelo supõe normal.

  Se falhar: Para os pressupostos de ANOVA ou regressão, use o models/shapiro_residuals.

Configuração

Informe Variável (coluna numérica).

Exemplo

library(trama)

reg <- tr_registry()
tr_use("trama.models", registry = reg)

tr_flow(reg) |>
  tr_add("dados", "models/example", dataset = "PlantGrowth") |>
  tr_add("resultado", "models/shapiro", variavel = "weight", from = "dados")

Com PlantGrowth, o resultado resume Shapiro–Wilk para os 30 valores de weight; a estatística W mede o afastamento da forma normal.

Como interpretar

A hipótese nula é normalidade. Não rejeição não demonstra normalidade, especialmente com amostras pequenas.