Likelihood Ratio Test (Prueba de Razón de Verosimilitudes)

Es un método estadístico utilizado para comparar la bondad de ajuste entre dos modelos, típicamente un modelo nulo frente a un modelo alternativo.

Se basa en el cálculo de la razón entre las funciones de verosimilitud máximas de ambos modelos, midiendo así qué tan bien cada modelo explica los datos observados.

En machine learning, esta herramienta es útil para la selección de modelos, ayudando a decidir si un modelo más complejo justifica su mayor número de parámetros frente a un modelo más simple.

El valor obtenido se utiliza en conjunto con distribuciones conocidas, como la chi-cuadrado, para determinar la significancia estadística de la hipótesis.

Es especialmente relevante en problemas que involucran datos probabilísticos o distribuciones, dado que optimiza el balance entre complejidad y ajuste del modelo.