Hola,
Necesito un consejo.
Usé la plataforma de distribución para verificar el mejor ajuste para mis datos. Quería saber si hay alguna forma de comprobar cuál es el nivel de error (en tendencia central y varianza) introducido si asumimos una distribución no normal como distribución normal.
Hola @billi ,
Entiendo que desea comprender el "nivel de error" asumiendo que los datos tienen una distribución normal cuando en realidad provienen de una distribución no normal. ¿Es eso correcto?Esa es una pregunta interesante.
¿Puedo preguntar por qué quiere hacer eso? ¿Tiene una situación real en la que necesita hacer esto que nos pueda contar?
No estoy seguro de cómo se generaron los datos en su ejemplo, ¿tal vez esto sea de un proceso real? Pero su análisis de Comparar distribuciones sugiere que la distribución logarítmica normal podría ser la mejor distribución.
Dicho esto, las distribuciones Gamma y Normal tienen un AICc similar. AICc es una medida de bondad de ajuste y generalmente decimos que una diferencia en AICc de menos de 2 no es significativa.
De modo que eso sugeriría que, en este caso, el "nivel de error" en ubicación / escala / tendencia central y dispersión / forma / varianza será pequeño si se asume una distribución normal si la distribución es realmente logarítmica normal. Puede ver esto en las distribuciones ajustadas en el gráfico: son casi indistinguibles (¡especialmente porque son de un color similar!).
¿Eso ayuda? ¿Tiene una forma particular de cuantificar el "nivel de error"? ¿Cómo sabe cuál es la distribución "correcta" para luego ver el error de asumir una distribución normal "incorrecta"?
Phil
Otra idea que puede resultarle útil es Quantile Profiler del menú del triángulo rojo para cada distribución ajustada. Puede utilizarlos para comparar cuantiles. A continuación, puede ver la mediana (probabilidad = 0,5) y la estimación del percentil 10 (probabilidad = 0,1) para cada distribución. Nuevamente, esto muestra diferencias insignificantes entre las distribuciones.
