Ajuste de distribución

¿Qué es el ajuste de distribución?

El ajuste de distribuciones identifica qué distribución de probabilidad describe mejor un conjunto de datos. Aunque muchos suponen que los datos se distribuyen normalmente, los datos del mundo real siguen a menudo distribuciones lognormal (procesos multiplicativos), exponencial (tiempo entre eventos), Weibull (fiabilidad y vida útil) u otras. Usar la distribución equivocada conduce a predicciones y estimaciones de capacidad del proceso incorrectas.

El proceso de ajuste estima los parámetros de la distribución (por ejemplo, la media y σ en la normal, o la forma y la escala en la Weibull) mediante estimación por máxima verosimilitud. La selección del modelo emplea criterios de información: AIC (criterio de información de Akaike) y BIC (criterio de información bayesiano) equilibran la calidad del ajuste frente a la complejidad del modelo. Valores más bajos de AIC/BIC indican un modelo mejor.

La prueba de Kolmogorov-Smirnov (KS) compara la distribución acumulada empírica con la CDF teórica ajustada. Un valor p de KS alto (> 0.05) indica un buen ajuste. El gráfico QQ aporta la validación visual: los puntos que siguen la diagonal confirman que la distribución elegida es adecuada.

Formula: KS Statistic = max|F_empirical(x) - F_theoretical(x)| AIC = 2k - 2 ln(L) BIC = k ln(n) - 2 ln(L) where k = parameters, L = likelihood, n = sample size

Ejemplo de cálculo

100 mediciones ajustadas a la normal (AIC=312, BIC=317, KS p=0.08) y a la lognormal (AIC=305, BIC=310, KS p=0.45). La lognormal tiene un AIC/BIC más bajo y un valor p de KS más alto: es el mejor ajuste. El gráfico QQ de la lognormal muestra una adherencia más estrecha a la diagonal que el gráfico QQ de la normal.

Cuándo usar esta calculadora

• Antes del análisis de capacidad de proceso para determinar el modelo de distribución correcto — usar fórmulas Cpk en datos no normales da resultados engañosos
• Al analizar datos de confiabilidad o vida útil que típicamente son sesgados a la derecha — Weibull, lognormal o exponencial pueden ajustar mucho mejor que normal
• Durante la caracterización de procesos para entender la forma fundamental de sus datos y seleccionar métodos estadísticos apropiados
• Cuando los límites de gráficos de control SPC parecen inapropiados — los datos pueden no estar normalmente distribuidos, requiriendo diferentes tipos de gráficos o datos transformados
• Al comparar datos de medición con especificaciones del proveedor — conocer la distribución real permite predicción precisa de tasas fuera de especificación

Errores comunes que se deben evitar

• Asumir que todos los datos están normalmente distribuidos sin verificar — los datos de manufactura a menudo son sesgados (lognormal), acotados (beta) o multimodales (mezcla); siempre ajuste y compare
• Elegir una distribución basándose solo en AIC cuando el valor p de KS es muy bajo — AIC clasifica el ajuste relativo entre candidatos, pero un valor p de KS bajo significa que incluso el mejor candidato puede no ajustar bien; recopile más datos o considere otras distribuciones
• Sobreajustar eligiendo una distribución compleja con muchos parámetros en un conjunto de datos pequeño — AIC y BIC penalizan la complejidad, pero con muestras pequeñas, incluso estos criterios pueden favorecer modelos excesivamente complejos; prefiera distribuciones más simples cuando los ajustes son similares
• No visualizar el ajuste — los criterios numéricos solos pueden ser engañosos; siempre verifique la superposición del histograma y el QQ-plot para confirmar que la distribución ajustada coincide con el patrón de datos

Cómo interpretar los resultados

• La distribución con AIC/BIC más bajo y valor p de KS más alto es el mejor candidato — cuando AIC y BIC no coinciden, BIC es más conservador
• Valor p de KS > 0.05 indica que la distribución ajustada es consistente con los datos — valores menores sugieren un ajuste pobre que no debe usarse para predicción
• Si Normal ajusta bien, las fórmulas estándar Cpk/Ppk y pruebas paramétricas aplican directamente
• Si Lognormal ajusta mejor, considere transformar los datos con logaritmo antes del análisis de capacidad o use métodos de capacidad no normal
• Si ninguna distribución estándar ajusta bien, los datos pueden ser multimodales (mezcla de dos procesos) — investigue si los datos deben estratificarse

Estándares y referencias relacionados

• NIST/SEMATECH e-Handbook §1.3.5 — Guía sobre gráficos de probabilidad, evaluación de la bondad de ajuste y selección de distribuciones
• Akaike (1974) & Schwarz (1978) — Los artículos originales que definen AIC y BIC, los criterios de información usados aquí para clasificar las distribuciones candidatas
• D'Agostino & Stephens, Goodness-of-Fit Techniques (1986) — La referencia clásica sobre cómo evaluar qué tan bien una distribución ajustada describe los datos
• ISO 5479 — Pruebas de desviación de la distribución normal, que cubre la prueba de normalidad de Shapiro-Wilk reportada junto a los ajustes

Preguntas frecuentes

¿Qué distribución debo probar primero?

Empiece con la normal para datos continuos y simétricos. Pruebe la lognormal para datos con asimetría positiva o que no pueden ser negativos (concentraciones, tiempos de ciclo). Pruebe la Weibull o la exponencial para datos de vida útil y fiabilidad. Los datos de recuento (defectos por unidad, llegadas) son discretos: esta herramienta solo ajusta familias continuas, así que modele los recuentos con una comprobación de Poisson o binomial. La forma del histograma da una orientación inicial: campana simétrica → normal, asimetría a la derecha → lognormal/Weibull, tasa constante → exponencial.

¿Cuál es la diferencia entre AIC y BIC?

Ambos penalizan la complejidad del modelo para evitar el sobreajuste, pero el BIC aplica una penalización más fuerte a los parámetros adicionales, sobre todo con muestras grandes. El AIC tiende a seleccionar modelos más complejos (mejor predicción), mientras que el BIC tiende a seleccionar modelos más simples (mejor identificación del modelo). Cuando discrepan, el BIC es más conservador. Use ambos: si coinciden, la confianza en la selección es alta.