Uma dúvida recorrente de quem está aprendendo Minitab: “rodei o teste e o p-valor deu menor que 0,05 — meus dados não são normais, e agora?”. O Minitab responde à primeira pergunta em segundos. A segunda — o que fazer quando os dados realmente não seguem uma distribuição normal — é uma decisão estatística, não um clique de menu.
Este artigo cobre o passo técnico: como testar e visualizar a normalidade de um conjunto de dados no Minitab.
Onde encontrar a ferramenta
O caminho é: Estatística > Estatística Básica > Teste de Normalidade. Essa é a rota mais direta para obter o gráfico de probabilidade normal com o teste estatístico já calculado.
Passo a passo
- Organize os dados em uma coluna — uma medição por linha, sem células vazias.
- Acesse Estatística > Estatística Básica > Teste de Normalidade.
- Selecione a coluna no campo “Variável”.
- Escolha o teste: o Minitab oferece Anderson-Darling (padrão, mais usado), Ryan-Joiner e Kolmogorov-Smirnov. Anderson-Darling é a escolha recomendada para a maioria dos casos por ser mais sensível a desvios nas caudas da distribuição.
- Clique em OK — o Minitab gera o gráfico de probabilidade com o p-valor calculado.
Lendo o output
O gráfico de probabilidade mostra os pontos dos dados sobre uma linha diagonal de referência. Quanto mais os pontos seguem a linha, mais os dados se aproximam de uma distribuição normal. O p-valor exibido no canto do gráfico é a leitura objetiva: convencionalmente, p-valor menor que 0,05 indica evidência estatística de que os dados NÃO seguem uma distribuição normal; p-valor maior ou igual a 0,05 não rejeita a hipótese de normalidade.
Vale uma ressalva prática: com amostras muito grandes, o teste pode apontar não-normalidade mesmo diante de desvios pequenos e irrelevantes na prática; com amostras muito pequenas, o teste tem pouca força para detectar desvios reais. Olhar o gráfico visualmente, e não só o p-valor isolado, evita decisões apressadas nos dois extremos.
Erros comuns ao testar normalidade no Minitab
O mais frequente é testar a normalidade dos dados brutos quando o processo tem múltiplas fontes de variação misturadas (turnos, máquinas, operadores diferentes) — o teste pode acusar não-normalidade que na verdade é resultado de dados heterogêneos, não da distribuição real de cada fonte isolada. Estratificar os dados antes de testar evita essa leitura equivocada.
O que fazer quando os dados não são normais
O teste dentro do Minitab termina no p-valor e no gráfico — ele não decide por você o que fazer a seguir. Entender por que a normalidade importa (é pressuposto de diversas análises de capabilidade e cartas de controle por variáveis), o que fazer diante de dados não normais (transformação, distribuições alternativas, ou capabilidade não-paramétrica) e a teoria por trás da curva estão descritos em profundidade em distribuição normal. Para uma visão geral de todas as análises do software, veja o subpilar Minitab.
Conteúdo revisado pelo Master Black Belt Marcelo Petenate, estatístico, formado pela Unicamp, mestre pela USP e especialista em Lean Six Sigma e melhoria contínua.
Rodar o teste de normalidade é técnica de ferramenta. Saber por que a normalidade importa para a análise que vem depois — e o que fazer quando ela falha — é método. A certificação White Belt gratuita ensina esse método.
Perguntas frequentes
Qual teste de normalidade o Minitab recomenda usar?
Anderson-Darling é o padrão e a escolha mais usada na prática, por ser mais sensível a desvios nas caudas da distribuição em relação às alternativas Ryan-Joiner e Kolmogorov-Smirnov.
O que significa p-valor menor que 0,05 no teste de normalidade?
Indica evidência estatística de que os dados provavelmente não seguem uma distribuição normal. É uma leitura convencional — vale complementar com a inspeção visual do gráfico de probabilidade, especialmente em amostras muito grandes ou muito pequenas.
Por que meus dados não passam no teste de normalidade mesmo parecendo normais no histograma?
Pode ser efeito do tamanho da amostra (amostras grandes detectam desvios pequenos e pouco relevantes) ou de múltiplas fontes de variação misturadas nos mesmos dados. Estratificar por fonte antes de testar costuma esclarecer a causa.
Preciso de dados normais para toda análise estatística?
Não. A normalidade é pressuposto de análises específicas, como certas cartas de controle por variáveis e índices clássicos de capabilidade. Muitas outras análises têm alternativas não-paramétricas para dados que não seguem distribuição normal.
O gráfico de probabilidade é a mesma coisa que o histograma?
Não. O histograma mostra a frequência dos valores em classes. O gráfico de probabilidade normal plota os dados ordenados contra uma escala que lineariza a distribuição normal — pontos alinhados à reta de referência indicam boa aderência à normalidade.