EN • ES

Ajusta distribuciones de probabilidad online con Phitter

BETA

Phitter analiza conjuntos de datos y determina las mejores distribuciones de probabilidad analíticas que los representan. El kernel de Phitter estudia más de 80 distribuciones de probabilidad entre continuas y discretas, 3 pruebas de bondad de ajuste y visualizaciones interactivas. Para cada distribución de probabilidad seleccionada, se proporciona una guía estándar de modelado y hojas de cálculo que detallan la metodología para utilizar la distribución elegida en ciencia de datos, investigación de operaciones e inteligencia artificial.

Phitter es exhaustivo y libre

ComenzarDistribuciones

Preparando la demostración…

Software estadístico gratuito y de código abierto

Encuentra una distribución de probabilidad para tus datos.

Phitter es software gratuito para ajustar distribuciones de probabilidad y compararlas con tus observaciones. Explora los parámetros estimados, las pruebas de bondad de ajuste y las gráficas en un mismo lugar para elegir un modelo adecuado para tus datos.

Utiliza la herramienta online sin instalar nada ni crear una cuenta. Para repetir análisis en un notebook, un script o un flujo de simulación, utiliza la librería de Python de Phitter.

Ajustar datos Leer la guía

De las observaciones a un modelo ajustado

  1. Carga tu muestra

    Pega valores o importa un archivo TXT, CSV o XLSX. Elige datos continuos o discretos y revisa la muestra antes del ajuste.

    Desde 20 observaciones. Una muestra mayor puede ayudar a distinguir modelos plausibles.

  2. Compara las candidatas

    Phitter estima los parámetros y ejecuta las pruebas de bondad de ajuste aplicables. Tras priorizar el número de pruebas no rechazadas, desempata con BIC, AIC y SSE en ajustes continuos, o con SSE en discretos.

    Cada resultado incluye los parámetros estimados y los resultados de las pruebas.

  3. Elige un modelo defendible

    Examina las gráficas y compara las principales candidatas. Considera el rango de valores posibles, el comportamiento de las colas y el proceso que generó tus observaciones.

    La primera fila es una candidata para investigar; no demuestra cuál es la distribución que generó los datos.

Entiende la evidencia detrás del ajuste.

Una sola puntuación no resuelve todas las decisiones de modelado. Utiliza los resultados numéricos junto con las comprobaciones visuales.

Parámetros estimados
Examina la ubicación, la escala y la forma de cada modelo ajustado, cuando corresponda.
Pruebas de bondad de ajuste
Compara Kolmogorov–Smirnov, Anderson–Darling y chi-cuadrado cuando sean aplicables. Que una prueba no rechace un modelo no establece que sea correcto.
Diagnóstico visual
Compara tus observaciones con la densidad o masa de probabilidad ajustada, la distribución acumulada y la gráfica Q–Q.
Cómo leer una clasificación

El ajuste se ejecuta en tu navegador.

El kernel de Python se ejecuta localmente mediante Pyodide. Tus observaciones no se suben a un servidor de ajuste de Phitter y no necesitas una cuenta. El sitio también utiliza analítica y servicios externos, descritos en la política de privacidad.

Política de privacidad

Continúa en Python.

Utiliza la librería de código abierto para repetir un análisis, controlar las distribuciones candidatas o integrar el ajuste en un flujo más amplio. Registra la versión, la preparación de los datos y las opciones para poder reproducir el resultado.

Documentación de Python

Métodos que puedes consultar

Creado por Sebastián José Herrera Monterrosa. Phitter cuenta con un artículo de software revisado por pares en JOSS, además de código fuente y documentación públicos.

Acerca del proyecto