45159_es-ES

liliconcom

Modelado predictivo utilizando distribución normal

Pregunta rápida. He creado un modelo que predice el peso liviano y el producto con sobrepeso con una excelente función de distribución normal. El propósito de este modelo es asignar costos a las diversas categorías de productos en la distribución (es decir, peso ligero, debajo del objetivo, en el objetivo, por encima del objetivo, soplado pesado). Como lo indica la función, el modelo utiliza la función de distribución normal que, por supuesto, supone que el conjunto de datos proviene de un proceso distribuido normalmente. Mi pregunta tiene que ver con los resultados que me da JMP cuando evalúo los datos para ver si son "normales".

 

Cuando tomo muestras de la línea, formo subgrupos y agrego los datos, JMP respalda la conclusión de que el proceso es "Normal". Sin embargo, cuando miro los datos de nuestro sistema de rayos X, que escanea cada Xi y me da acceso a la población, JMP me hace rechazar la distribución normal. 

 

¿Es esto algo que pasa a menudo? Sospecho que el problema tiene que ver con el tamaño de los archivos de datos. Cuando muestro la línea, por lo general, saco 25 subgrupos de 10, mientras que cualquier población especial estaría compuesta de 600K a 1.5 millones de unidades. En su opinión, aparte de saber que mi media cambiará con el tiempo y todo eso, ¿es seguro usar mi modelo en el futuro o debo volver a considerarlo?

Re: Modelado Predictivo usando Distribución Normal

Hola, mmeewes!

La respuesta a su pregunta no es tan rápida o directa.

 

Titanes como Gauss, Pearson, Bessel, Huber, Hampel y Tukey han notado que los datos del mundo real casi nunca son estrictamente normales ... parece que a menudo se parecen a una distribución t de Student con entre 2 y 10 grados de libertad.  Eso significa que las distribuciones del mundo real son platykurtic, donde las colas son más pesadas que las normales.

 

Dependiendo de cómo agregue sus datos, el Teorema del límite central puede estar arrojándole el hueso de la normalidad.

 

Dado que la asignación de costos a varias categorías de productos parecería implicar la evaluación de las probabilidades de observaciones en las colas de su distribución, creo que sería más seguro para usted descartar el modelo basado en la distribución Normal, y tal vez explorar un enfoque empírico.

 

Buena suerte.