Bondat d'ajust
La bondat d'ajust d'un model estadístic descriu lo ben que s'ajusta un conjunt d'observacions. Les mides de bondat en general resumixen la discrepància entre els valors observats i els valors esperats en el model d'estudi. Tals mides es poden amprar en el contrast d'hipòtesis, i.g. el test de normalitat dels residus, comprovar si dos mostres s'obtenen a partir de dos distribucions idèntiques (vore test de Kolmogorov-Smirnov), o si les freqüències seguixen una distribució específica (vore ji quadrada).
Distribucions
[editar | editar còdic]Per a calcular si una distribució donada s'ajusta a un conjunt de senyes, es poden utilisar les següents proves:
- Prova de Kolmogórov-Smirnov
- Criteri de Cramér-von Mises
- Prova d'Anderson-Darling
- Test de Shapiro–Wilk
- Prova de ji quadrada
- Criteri d'Informació de Akaike
Regressió
[editar | editar còdic]En l'anàlisis de regressió, existixen els següents indicadors:
- Coeficient de determinació (El R2 medix la bondat d'ajust)
- Lack-of-fit sum of squares.
Referències
[editar | editar còdic]ru:Статистический критерий https://files.sld.cu/prevemi/files/2018/02/Prova-Ji-quadrat-de-Homogeneïtat.-Eixemple.pdf
- Este artícul conté una traducció derivada de «Bondad de ajuste» de Wikipedia en castellà publicada baix la Llicència de documentació lliure de GNU i la Llicència Creative Commons Reconeiximent-CompartirIgual 4.0 Internacional.