In statistica, la validazione dei modelli, detta anche critica o valutazione dei modelli, è definita come il compito di valutare se un modello statistico scelto sia appropriato o meno. Nell'inferenza statistica, accade spesso che inferenze da modelli che sembrano adattarsi ai dati siano in realtà del tutto casuali, inducendo a fraintendere la loro effettiva rilevanza. Per ovviare a questo problema, si utilizza la validazione del modello per verificare se un modello statistico sia in grado di reggere a permutazioni nei dati.
Questo concetto non deve essere confuso con il compito strettamente correlato della selezione dei modelli, ovvero il processo di discriminazione tra più modelli candidati: la validazione del modello non riguarda tanto la progettazione concettuale dei modelli, quanto piuttosto la sola verifica della coerenza tra un modello scelto e i suoi output dichiarati.
Esistono molti modi per validare un modello:
I grafici dei residui (residual plot) rappresentano le differenze tra i dati effettivi e le previsioni del modello: le correlazioni nei grafici residuali possono indicare un difetto nel modello. La convalida incrociata è una famiglia di metodi di validazione dei modelli (ne esistono molti tipi) che riadattano il modello in modo iterativo, escludendo ogni volta solo un piccolo campione e confrontando se i dati messi da parte sono predetti dal modello. La simulazione predittiva viene utilizzata per confrontare i dati simulati con i dati effettivi. La validazione esterna comporta l'adattamento del modello a nuovi dati. Criteri come il BIC o l'AIC possono essere utilizzati per stimare la qualità di un modello rispetto ad altri candidati.
Note
Bibliografia
Barlas, Y. (1996), "Formal aspects of model validity and validation in system dynamics", System Dynamics Review, 12 (3): 183–210, doi:10.1002/(SICI)1099-1727(199623)12:3<183::AID-SDR103>3.0.CO;2-4 Good, P. I.; Hardin, J. W. (2012), "Chapter 15: Validation", Common Errors in Statistics (Fourth ed.), John Wiley & Sons, pp. 277–285. ISBN 978-1-118-29439-0 Huber, P. J. (2002), "Chapter 3: Approximate models", in Huber-Carol, C.; Balakrishnan, N.; Nikulin, M. S.; Mesbah, M. (eds.), Goodness-of-Fit Tests and Model Validity, Springer, pp. 25–41. DOI:10.1111/1541-0420.t01-1-00026
Collegamenti esterni
How can I tell if a model fits my data? — Handbook of Statistical Methods (NIST) Hicks, Dan. "What are core statistical model validation techniques?". Stack Exchange.
Categoria:Inferenza statistica