Quando a distribuição dos dados não é normal, existem algumas abordagens que podem ser adotadas. Vamos analisar as alternativas: a) Continuar as análises e desconsiderar a distribuição dos dados. - Isso não é recomendado, pois a normalidade é importante para muitos testes estatísticos. b) Tentar uma transformação dos dados originais; em alguns casos, a transformação logarítmica dos dados originais leva os dados a adquirirem uma distribuição normal; utilizar testes que não são baseados nos parâmetros amostrais (média e desvio-padrão), ou seja, usar a estatística não paramétrica. - Esta é uma abordagem válida, pois a transformação pode ajudar a normalizar os dados ou, se não for possível, usar testes não paramétricos é uma boa alternativa. c) Parar a análise e coletar os dados novamente. - Isso pode ser inviável e não é uma solução prática. d) Usar apenas estatística descritiva. - Embora isso possa ser feito, não resolve o problema da análise inferencial. e) Representar os dados em formato de figuras. - Isso é útil para visualização, mas não resolve a questão da análise estatística. A alternativa mais adequada é: b) tentar uma transformação dos dados originais; em alguns casos, a transformação logarítmica dos dados originais leva os dados a adquirirem uma distribuição normal; utilizar testes que não são baseados nos parâmetros amostrais (média e desvio-padrão), ou seja, usar a estatística não paramétrica.