Diversos estudos têm aplicado o teste de Kolmogorov-Smirnov (KS) para verificar se determinada distribuição paramétrica pode ser utilizada para estimar a probabilidade de ocorrência de variáveis agrometeorológicas. Contudo, a probabilidade de não rejeição de uma falsa hipótese de nulidade (H0; erro tipo II) torna-se elevada quando o KS é aplicado à mesma amostra de dados utilizada para estimar os parâmetros da distribuição. Embora uma adaptação denominada Lilliefors tenha sido proposta para permitir o uso do algoritmo de Kolmogorov-Smirnov na condição anteriormente mencionada, o KS em sua forma original é ainda frequentemente utilizado. Objetivando estimular o correto uso do KS e de sua referida adaptação, este trabalho revisou os valores críticos do Lilliefors para as distribuições gama e normal, desenvolveu procedimentos computacionais capazes de calcular esses testes de aderência e comparou a habilidade do KS e do Lilliefors em aceitar corretamente uma H0. O teste de Lilliefors foi calculado utilizando-se tanto valores críticos previamente apresentados na literatura científica (KSLcrit) quanto novos valores propostos neste estudo (NKSLcrit). Por meio de simulações de Monte Carlo demonstrou-se que a frequência de ocorrência de erros tipo I (II) associada ao KSLcrit pode ser consideravelmente baixa (elevada). A frequência de erros tipo I associada ao NKSLcrit permaneceu próxima ao nível de significância adotado em todos os experimentos. O NKSLcrit também demonstra menor taxa de erros tipo II. Considerando-se as distribuições gama e normal, este trabalho também desenvolveu equações polinomiais que eliminam a necessidade de realizar simulações estatísticas para calcular o teste Lilliefors.
teste de aderência; distribuição gama; distribuição normal
