Métodos de clasificación del ajuste

Figura 1 - Selección del mejor ajuste

El proceso de ajuste genera estadísticas de bondad de ajuste para cada distribución probada, utilizando varios métodos diferentes para clasificar lo bien que se ajusta una distribución (y sus parámetros estimados) al conjunto de datos seleccionado. La configuración de la selección del mejor ajuste (Figura 1, derecha) determina qué método de clasificación se mostrará inicialmente en los resultados del ajuste, pero las estadísticas de todos los métodos se generan durante el proceso de ajuste.

Los métodos de clasificación disponibles en @RISK son:

Criterio de información de Akaike (AIC) - Tanto el método AIC como el BIC utilizan la función de log-verosimilitud para estimar la calidad relativa de la distribución ajustada; ambos tienen en cuenta el número de parámetros de la distribución ajustada.
Criterio de información bayesiana (BIC) - Tanto el método AIC como el BIC utilizan la función de log-verosimilitud para estimar la calidad relativa de la distribución ajustada; ambos tienen en cuenta el número de parámetros de la distribución ajustada.
Log-Verosimilitud promedio - La probabilidad media logarítmica también utiliza la función de probabilidad logarítmica, pero utiliza la media del número de muestras.
Estadístico Chi-Cuadrado - El estadístico Chi-cuadrado corresponde a la prueba de bondad de ajuste más común para las distribuciones ajustadas. Este estadístico requiere la segmentación del conjunto de datos; para más información, véase la Segmentación Chi-cuadrado.
Estadístico Kolmogorov-Smirnov - Generalmente se prefiere el estadístico Kolmogorov-Smirnov - sobre el estadístico chi-cuadrado - porque no se basa en las franjas.
Estadístico de Anderson-Darling - El estadístico Anderson-Darling es similar al estadístico Kolmogorov-Smirnov, pero hace más hincapié en los valores de la cola. No se basa en los intervalos.

La distinción entre los métodos de clasificación es muy compleja, y la discusión detallada de los métodos, y las distinciones entre cada uno de estos métodos está más allá del alcance de este documento. En general, se recomienda utilizar los métodos AIC o BIC para la clasificación, a menos que se conozcan bien los resultados de los otros métodos.

Métodos de clasificación en los resultados de ajuste

Figura 2 - Clasificación de los resultados de ajuste

La clasificación utilizada por @RISK para recomendar la distribución de mejor ajuste se selecciona inicialmente en la pestaña 'Resultados' de la ventana 'Ajustar distribuciones a datos'; sin embargo, el método de clasificación puede cambiarse después de la ejecución del proceso de ajuste. El método de clasificación actualmente activo en la ventana 'Resultados' del ajuste se mostrará en la cabecera de la columna de la lista de distribuciones (Figura 2, derecha).

Al hacer clic en la cabecera de cualquier columna, se alternará el orden de la lista por valores ascendentes o descendentes.

Cada uno de los métodos de clasificación se basa en un estadístico de ajuste diferente. Sin embargo, hay que tener en cuenta dos cosas sobre estos estadísticos. En primer lugar, no son lineales; un valor doblemente alto no implica un ajuste doblemente malo. En segundo lugar, y lo más importante, es que, con una excepción, cuanto más bajo sea el valor de la clasificación, mejor será el ajuste. La excepción es la prueba de 'Log-Verosimilitud promedio', en la que un valor más alto es mejor.