Estudo Aplicado ao Software ACIC Normalidade 2.0 / Study Applied to ACIC Normality 2.0 Software

Authors

  • Lucas Freire da Luz Melo
  • Lyálisson José de Melo Fagundes
  • Marcus Thiago Guedes de Melo Torres
  • Mazio Silva de Araujo
  • José Eduardo Ferreira de Oliveira
  • Antonio Marcos Figueiredo Soares
  • Eduardo José Alécio de Oliveira
  • Nelson Gonçalves da Silva
  • Carlos Augusto do Nascimento Oliveira
  • Davi Soares Galvão Albuquerque
  • Vitória Jayane Fragoso de Santana
  • Rogério Pontes de Araújo
  • Sidney Teylor de Oliveira

DOI:

https://doi.org/10.34117/bjdv.v7i5.29354

Keywords:

Acic, Confiabilidade, Normalidade, Vba.

Abstract

Este trabalho teve por objetivo apresentar o software ACIC Normalidade 2.0, desenvolvido na linguagem de programação VBA (Visual basic for applications) elaborado para servir como ponto de partida para o tratamento estatístico de dados de medição, podendo o usuário selecionar os níveis de confiabilidade de 90%, 95% e 99% em módulos de testes de normalidade. O software contém módulos de diferentes testes estatísticos com a finalidade de verificar se amostras provém, ou não provém, de uma população que segue uma distribição normal. Os módulos contidos no ACIC Normalidade 2.0 são: O de Cramer - Von Mises, Shapiro - Wilk, Kolmogorov - Smirnov, testes gráficos de histograma e de probabilidade normal, Índice de Assimetria de Pearson e Intervalo Interquartil. A distribuição normal é uma das mais importantes e relevantes distribuições contínuas, podendo ser utilizada em diversos áreas da engenharia, além de ser essencial para se poder realizar uma variedade de tratamentos estatísticos na amostra. Para demonstrar o funcionamento dos módulos do ACIC Normalidade 2.0, foi coletada uma amostra com 20 medições realizadas em um projetor de perfil, no Laboratório de Metrologia do IFPE – Campus Recife, em temperaturas ideais, com medidas do centro de um inserto à ponta de um de seus vértices. Essa amostra foi submetida aos testes de normalidade contidos no software, para a geração de resultados, para que fosse possível realizar os estudos estatísticos. Os resultados gerados nos diferentes módulos permitem uma fácil compreensão ao usuário, mesmo que não se tenha grande experiência na área, pois, na tela final de cada módulo há valores gerados de cada teste, como também uma breve conclusão relacionada ao resultado em questão. Um passo a passo na forma de um tutorial  foi disponibilidado em PDF e HTML no próprio software.  

  

References

OLIIVEIRA, José Eduardo Ferreira de - A metrologia aplicada aos setores industrial e de serviços. Principais

aspectos a serem compreendidos e praticados no ambiente organizacional. Editora Mais Gráfica. Brasília, 2008

ANTUNES, J. M. F. Distribuições Estatísticas, Testes de Ajuste e Métodos para Estimação de Parâmetros na Área

da Fiabilidade. Tese (Mestrado em engenharia mecânica) – Área Departamental de Engenharia Mecânica, Instituto

Superior de Engenharia de Lisboa, 2015.

KAHYA, Göksel B.S. New modified Anderson-Darling and Cramer-Von Mises Goodness of fit tests for a normal

distribution with specified parameters. These (Master of Science - Operations Research). Air Force Institute of

Technology. Ohio, EUA 1991.

Wilk, M. B. and Gnanadisikan, R. "Probability Plotting Methods for theAnalysis of Data." Biometrika, No. 55,

Teste de Shapiro-Wilk. Portal Action, 2019. Disponível em: . Acesso em: 20, Abril de 2019.

Royston, J.P. (1992). Approximating the Shapiro-Wilk W test for non-normality. Journal of Multivariate Analysis

Computing, 2, 117–119.

Teste de Shapiro-Wilk. Portal Action, 2019. Disponível em:<http://www.portalaction.com.br/inferencia/64-teste-de-

shapiro-wilk> . Acesso em: 20, abril de 2019.

SHAPIRO, S. S.; WILK, M. B. An Analysis of Variance Test for Normality (Complete Samples). Biometrika, Vol.

, No. 3/4, (Dec., 1965), 591-611.

Royston, J.P. (1982). An Extension of Shapiro and Wilk' s W test for normality to large samples. Applied Statistics,

, 115–124.

Shapiro - Wilk Expanded Teste. Real Statistics Using Excel,2020. Disponível em:<http://www.realstatistics.

com/tests-normality-and-symmetry/statistical-tests-normality-symmetry/shapiro-wilk-expandedtest/>. Acesso em: 25 de

Maio de 2020.

Kolmogorov, Andrei. Sulla determinazione empirica di una legge di distribuzione. Giornale dell'istitutoitaliano degli

attuari. 1933.

Sheskin, David J. Handbook of Parametric and Nonparametric Statistical Procedures. CRC PRESS LLC, Boca

Raton, Flórida 2004.

OLIVEIRA, J. E. F. Fundamentos Básicos da Qualidade Aplicados ao Setor Industrial e de Serviços.1. ed. Recife:

Livro Rápido Editora, 2016.

Real Statistics WebSite - Disponível em: <http://www.real-statistics.com/statistics-tables/kolmogorov-smirnov-table/> Acesso em: 20, abril de 2019.

ARALDI, Altamir A. R. – Assimetria e Curtose. Revista Ensino e Informação. 2003. Disponível em:

<https://www.ensinoeinformacao.com/estatist-prob-curso-assimetria>. Acesso em 10 de dezembro de 2019.

VIEIRA, Sônia - O que é assimetria (ou distorção) e como se mede? 2018. Disponível em:

<http://soniavieira.blogspot.com/2018/05/por-conta-de-umapergunta-sobrequestao_83.html>. Acesso em 12 de Janeiro

de 2020

Trosset's , Michael. An Introduction to Statistical Inference and its Applications with R. Chapman & Hall Book,

Mendenhall, William. M; Sincich, Terry L. Statistics for Engineering and the Sciences. Chapman & Hall Book,

Chambers, John; William Cleveland; Beat Kleiner; Paul Tukey. Graphical Methods for Data Analysis.Wadsworth,

Published

2021-06-07

How to Cite

Melo, L. F. da L., Fagundes, L. J. de M., Torres, M. T. G. de M., Araujo, M. S. de, Oliveira, J. E. F. de, Soares, A. M. F., Oliveira, E. J. A. de, Silva, N. G. da, Oliveira, C. A. do N., Albuquerque, D. S. G., Santana, V. J. F. de, Araújo, R. P. de, & Oliveira, S. T. de. (2021). Estudo Aplicado ao Software ACIC Normalidade 2.0 / Study Applied to ACIC Normality 2.0 Software. Brazilian Journal of Development, 7(5), 45014–45038. https://doi.org/10.34117/bjdv.v7i5.29354

Issue

Section

Original Papers