3 Guías ara Seleccionar la Distribución de Probabilidad para su Análisis

3 Guías ara Seleccionar la Distribución de Probabilidad para su Análisis

En análisis estadístico es común realizar pruebas de bondad de ajuste, con el fin de entender si nuestros datos se ajustan a determinado modelo de probabilidad, como Normal, Lognormal, Gamma, Beta, etc.

En algunas ocasiones, al correr la prueba de bondad de ajuste, el valor P es mayor al nivel de significancia para varios modelos, distribuciones.

Y entonces algunos(as) analistas pueden entrar en duda:

Si mis datos pueden trabajarse como Normales, dado que la prueba de bondad de ajuste no arroja evidencia para rechazar este supuesto,  pero tampoco  se rechaza la hipótesis para Weibull, por ejemplo, entonces ¿cuál distribución seleccionar?

Ejemplo desde Minitab Statistical Software

Estos son resultados para la prueba de bondad de ajuste de la variable “diamétro” (los se pueden acceder en Minitab, en la carpeta de ejemplos, en el archivo cable.MTW)

Ejemplo de resultados en Minitab Prueba de Bondad de Ajuste

Y un cuadro resumen, con las gráficas de probabilidad (la resolución es reducida)

Resultados de Prueba de Bondad de Ajuste desde Minitab Statistical Software

Bien, quizás estos puntos le pueden dar una guía práctica.

3 puntos o guías para seleccionar la distribución de probablidad en su análisis

1. Siempre verifique el sistema de medición antes de preocuparse por “la distribución”: Si sus datos no provienen de un sistema de medición confiable ¿cuál es el punto en preguntarse la distribución de probabilidad? Verifique el sistema de medición, y asegure que las mediciones son confiables.

2. Entienda sus datos en función de su proceso:

Usted debe conocer su proceso y las expectativas de comportamiento de sus datos.

Por ejemplo: si tenemos una variable como el peso de un producto empacado, en donde se ha definido una especificación bilateral simétrica, en donde el límite central es el peso deseado y además referido para cálculos de consumo en el MRP dentro del ERP, entonces en el fondo un comportamiento “Normal” es esperado.

Por otro lado: si usted trabaja en un call center (centro de contacto, BPO unit, GSC, o similar), y está analizando el RT (Resolution Time), usted sabe que el límite inferior debe tender a cero, y de hecho hay llamadas en tiempo cero…quizás; pero, también hay llamadas fuera de lo común que tienden a tomar decenas de minutos. Quizás un modelo “Lognormal” explique mejor este comportamiento.

No obstante, la realidad puede ser otra ¡Y esta es la ventaja de la prueba de Bondad de Ajuste!: usted puede confrontar sus supuestos contra la evidencia objetiva de mediciones válidas.

3. Clarifique los objetivos de su análisis: 

Algunos ejemplos:

Anáisis de capacidad: si el objetivo de su análisis es realizar un analísis de capacidad, entonces quizás usted “quiera” que sus datos sigan un comportamiento Normal, pero en realidad esto no es un requisito: software como Minitab 17 permite estudiar los análisis de capacidad para datos:

  • Normal
  • No- Normal (Weibull, Lognormal, Gamma, Logístico, etc.)
  • No-Paramétricos (necesita descargar un macro, dicho se de paso)

Pruebas de confiabilidad con datos censurados: estas pruebas, muchas veces comunes en el estudio de sistemas reparables, estudian fenómenos como la curva de la bañera, or MTBF (Tiempo promedio entre fallas), y el comportamiento esperado, común, quizás se ajuste mejor a un modelo Poisson, Weibull, etc.

Análisis de riesgo: en análisis de riesgo los modelos de probabilidad utilizados son muy variados. ModelRisk, el software líder en análisis de risgo, lo pone en perspectiva: contiene más de 100 modelos distintos.

 Así que si usted obtiene un resultado en donde varios modelos se “ajustan”, no hay problema, pero revise las guías antes dadas y tome la decisión que mejor se adecue a sus necesidade de análisis.

ModelRisk contiene información sobre decenas de modelos de probabilidad con sus fórmulas y explicación. Descargue una prueba de ModelRisk

Contiene más de 50 modelos de probabilidad, con sus fórmulas y explicación de uso más común.


Original: Jueves 9 de Abril, 2015.

Leave a Reply

Your email address will not be published.