Ajuste de distribuição

O que é ajuste de distribuição?

O ajuste de distribuição identifica qual distribuição de probabilidade descreve melhor um conjunto de dados. Embora muitos suponham que os dados são normalmente distribuídos, os dados do mundo real seguem com frequência a distribuição lognormal (processos multiplicativos), exponencial (tempo entre eventos), Weibull (confiabilidade/vida útil) ou outras distribuições. Usar a distribuição errada leva a previsões e estimativas de capacidade de processo incorretas.

O processo de ajuste estima os parâmetros da distribuição (por exemplo, média e σ para a Normal, forma e escala para a Weibull) por meio da estimação de máxima verossimilhança. A seleção do modelo usa critérios de informação: o AIC (Critério de Informação de Akaike) e o BIC (Critério de Informação Bayesiano) equilibram a qualidade do ajuste com a complexidade do modelo. Valores menores de AIC/BIC indicam um modelo melhor.

O teste de Kolmogorov-Smirnov (KS) compara a distribuição acumulada empírica com a CDF teórica ajustada. Um valor-p alto no KS (> 0.05) indica bom ajuste. O gráfico QQ fornece a validação visual: pontos que acompanham a diagonal confirmam que a distribuição escolhida é adequada.

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

Exemplo de cálculo

100 medições ajustadas à Normal (AIC=312, BIC=317, KS p=0.08) e à Lognormal (AIC=305, BIC=310, KS p=0.45). A Lognormal tem AIC/BIC menores e valor-p do KS mais alto — é o melhor ajuste. O gráfico QQ da lognormal mostra aderência mais estreita à diagonal do que o gráfico QQ da normal.

Quando usar esta calculadora

• Antes da análise de capacidade para determinar o modelo de distribuição correto
• Ao analisar dados de fiabilidade ou vida útil tipicamente enviesados à direita
• Durante a caracterização de processos para compreender a forma dos dados
• Quando limites de gráficos SPC parecem inapropriados — dados podem não ser normais
• Ao comparar dados de medição com especificações do fornecedor

Erros comuns a evitar

• Assumir que todos os dados são normais sem verificar — dados de manufatura são frequentemente enviesados, limitados ou multimodais
• Escolher distribuição baseando-se apenas em AIC quando o valor p do KS é muito baixo
• Sobreajustar com distribuição complexa em dataset pequeno — prefira distribuições mais simples
• Não visualizar o ajuste — verifique sempre histogram e QQ-plot

Como interpretar os resultados

• A distribuição com menor AIC/BIC e maior valor p do KS é o melhor candidato
• Valor p do KS > 0.05 indica que a distribuição ajustada é consistente com os dados
• Se Normal ajusta bem, fórmulas padrão Cpk/Ppk aplicam diretamente
• Se Lognormal ajusta melhor, considere transformação log antes da análise de capacidade
• Se nenhuma distribuição padrão ajusta, os dados podem ser multimodais — investigue estratificação

Normas e referências relacionadas

• NIST/SEMATECH e-Handbook §1.3.5 — Orientações sobre gráficos de probabilidade, avaliação da qualidade do ajuste e seleção de distribuições
• Akaike (1974) & Schwarz (1978) — Os artigos originais que definem AIC e BIC, os critérios de informação usados aqui para classificar as distribuições candidatas
• D'Agostino & Stephens, Goodness-of-Fit Techniques (1986) — A referência clássica sobre como avaliar quão bem uma distribuição ajustada descreve os dados
• ISO 5479 — Testes de desvio da distribuição normal, cobrindo o teste de normalidade de Shapiro-Wilk reportado junto aos ajustes

Perguntas frequentes

Qual distribuição devo tentar primeiro?

Comece pela Normal para dados contínuos e simétricos. Experimente a Lognormal para dados com assimetria positiva ou que não podem ser negativos (concentrações, tempos de ciclo). Experimente a Weibull ou a Exponencial para dados de vida útil e confiabilidade. Dados de contagem (defeitos por unidade, chegadas) são discretos: esta ferramenta ajusta apenas famílias contínuas, então modele contagens com uma verificação de Poisson ou binomial. O formato do histograma dá a orientação inicial: sino simétrico → Normal, assimetria à direita → Lognormal/Weibull, taxa constante → Exponencial.

Qual é a diferença entre AIC e BIC?

Ambos penalizam a complexidade do modelo para evitar o sobreajuste, mas o BIC aplica uma penalidade mais forte a parâmetros adicionais, especialmente com amostras grandes. O AIC tende a selecionar modelos mais complexos (melhor previsão), enquanto o BIC tende a selecionar modelos mais simples (melhor identificação do modelo). Quando divergem, o BIC é mais conservador. Use os dois — se concordarem, a confiança na seleção é alta.