Calculadora de valores atípicos

¿Qué son los valores atípicos?

Los valores atípicos son observaciones que se encuentran lejos del grueso de los datos. Pueden ser:

• Valores extremos legítimos (la persona más alta del mundo)
• Errores de medición (puntos decimales mal registrados)
• Errores de entrada de datos (escribir 1000 en lugar de 100)
• Miembros de una población diferente (incluir adultos en un conjunto de datos de niños)

Identificar valores atípicos es esencial antes del análisis—pueden afectar dramáticamente las medias, desviaciones estándar y coeficientes de regresión.

El método de cercas de Tukey

El método de detección de valores atípicos más común usa el Rango intercuartílico:

1. Calcular Q1 (percentil 25) y Q3 (percentil 75)
2. Encontrar $RIC = Q_3 - Q_1$
3. Establecer cercas:
   • Cerca inferior = $Q_1 - 1,5 \times RIC$
   • Cerca superior = $Q_3 + 1,5 \times RIC$
4. Los valores más allá de las cercas son valores atípicos potenciales

Valores atípicos leves: Entre $1,5 \times RIC$ y $3 \times RIC$ de los cuartiles

Valores atípicos extremos: Más allá de $3 \times RIC$ de los cuartiles

Ejemplo

Datos: {12, 15, 18, 22, 25, 28, 32, 85}

• Q1 = 16,5, Q3 = 30
• RIC = 30 − 16,5 = 13,5
• Cerca inferior = 16,5 − 1,5(13,5) = -3,75
• Cerca superior = 30 + 1,5(13,5) = 50,25

El valor 85 excede la cerca superior → valor atípico potencial.

Métodos de detección alternativos

Método de puntuación Z

Los valores con puntuaciones z más allá de ±3 (o ±2,5) son marcados:

$\text{Atípico si: } |z| = \frac{|x - \bar{x}|}{s} > 3$

Limitación: La media y DE son afectadas por los valores atípicos, potencialmente enmascarándolos.

Puntuación Z modificada

Usa la mediana y la desviación absoluta de la mediana (DAM):

$\text{Z modificado} = \frac{0,6745 \times (x - \text{mediana})}{DAM}$

Los valores más allá de ±3,5 son atípicos. Más robusto que las puntuaciones z estándar.

Prueba de Grubbs

Prueba estadística específicamente para detección de valores atípicos. Prueba si el valor más extremo es significativamente diferente del resto.

Prueba Q de Dixon

Para muestras pequeñas, compara la brecha entre un valor extremo y su vecino con el rango total.

¿Por qué 1,5 × RIC?

John Tukey eligió 1,5 algo arbitrariamente, pero tiene propiedades útiles:

Para distribuciones normales:

• Aproximadamente 0,7% de los datos cae fuera de las cercas
• En una muestra de 100, espera menos de 1 punto fuera por azar

El multiplicador 1,5 equilibra:

• Capturar valores atípicos genuinos (sensibilidad)
• No marcar variación normal (especificidad)

Usar 3 × RIC para "valores atípicos extremos" corresponde a eventos mucho más raros—aproximadamente 1 en 100.000 para datos normales.

Qué hacer con los valores atípicos

Investigar primero

Antes de eliminar o ajustar, investiga:

• ¿El valor está correctamente registrado?
• ¿Representa un fenómeno real?
• ¿La observación es de la misma población?

Opciones después de la investigación

1. Mantener: Si el valor es legítimo, consérvalo y reporta estadísticas robustas
2. Corregir: Si es un error de registro y el valor verdadero es conocido, corrígelo
3. Eliminar: Si es un error y el valor verdadero es desconocido, elimínalo
4. Winsorizar: Reemplazar valores extremos con valores de cerca
5. Transformar: Transformaciones logarítmicas o de raíz cuadrada comprimen valores extremos
6. Usar métodos robustos: Medianas, medias recortadas, regresión robusta

Documentar decisiones

Siempre reporta:

• Cuántos valores atípicos fueron identificados
• Qué método se usó para la detección
• Qué acción se tomó y por qué

Valores atípicos en diferentes contextos

Investigación científica

Los valores atípicos pueden ser las observaciones más interesantes—descubrimientos ganadores del Premio Nobel frecuentemente comienzan con valores atípicos inexplicados.

Control de calidad

Los valores atípicos en manufactura indican problemas del proceso que requieren atención inmediata.

Análisis financiero

Los rendimientos de acciones tienen "colas pesadas"—los valores extremos son más comunes de lo que predicen las distribuciones normales. Lo que parece un valor atípico podría ser comportamiento típico del mercado.

Datos médicos

Los valores atípicos clínicos pueden indicar enfermedad, errores de datos o características inusuales del paciente. La investigación es esencial antes de la eliminación.

Investigación por encuestas

Las respuestas extremas pueden indicar malentendido, respuestas de protesta o genuinas opiniones extremas.

El peligro de la eliminación automática de valores atípicos

Eliminar ciegamente valores atípicos puede:

• Crear una distribución artificialmente estrecha
• Eliminar datos legítimos
• Sesgar resultados hacia el centro
• Ocultar fenómenos importantes

Nunca automatices la eliminación de valores atípicos sin juicio humano.

Valores atípicos y forma de la distribución

Distribuciones normales

Para datos verdaderamente normales, los valores atípicos son raros. Muchos valores atípicos aparentes indican que los datos no son normales.

Distribuciones de cola pesada

Los ingresos, rendimientos de acciones y magnitudes de terremotos tienen colas pesadas. Los "valores atípicos" son esperados y eliminarlos distorsiona la imagen.

Distribuciones de mezcla

Si los datos combinan dos poblaciones (ej., adultos y niños), valores normales para un grupo aparecen como atípicos para el otro.

Valores atípicos multivariados

En múltiples dimensiones, un punto puede ser poco notable en cada variable individualmente pero atípico en combinación.

Ejemplo: Edad = 25 (normal) y Ahorros de jubilación = $2M (normal para adultos mayores) juntos es inusual.

La distancia de Mahalanobis y otros métodos multivariados detectan tales casos.

Contexto histórico

La detección de valores atípicos se formalizó en los siglos XIX y XX conforme la estadística se desarrolló.

El criterio de Chauvenet (1863) proporcionó guías tempranas para rechazar observaciones discordantes en ciencias físicas.

W.J. Dixon desarrolló procedimientos de prueba Q en los años 1950 para muestras pequeñas.

El enfoque EDA de John Tukey (1977) introdujo el diagrama de caja y la regla 1,5 × RIC, que se convirtió en el método dominante debido a su simplicidad y robustez.

Diagramas de caja y visualización de valores atípicos

Los diagramas de caja modificados muestran valores atípicos explícitamente:

• Los bigotes se extienden hasta el punto más lejano dentro de 1,5 × RIC
• Los puntos más allá de los bigotes se grafican individualmente
• Proporciona detección visual de valores atípicos

La calculadora de resumen de cinco números genera los valores necesarios para diagramas de caja.

Efecto de los valores atípicos en estadísticas

Las estadísticas robustas (mediana, RIC, medias recortadas) proporcionan protección.

Cálculos relacionados

Después de detectar valores atípicos, explora:

• Calculadora de rango intercuartílico — Base para el método de cercas
• Calculadora de cuartiles — Calcular Q1 y Q3
• Calculadora de puntuación Z — Método de detección alternativo
• Calculadora de mediana — Tendencia central robusta
• Calculadora de desviación estándar — Afectada por valores atípicos
• Calculadora de resumen de cinco números — Contexto para valores atípicos

Resumen

Los valores atípicos son observaciones lejos del grueso de los datos, potencialmente indicando errores, fenómenos inusuales o poblaciones diferentes. El método de cercas de Tukey (1,5 × RIC desde los cuartiles) proporciona un enfoque de detección robusto, mientras que los métodos de puntuación z ofrecen alternativas. Lo más importante es la investigación—entender por qué existe un valor atípico antes de decidir cómo manejarlo. La eliminación automática destruye información; el análisis reflexivo de valores atípicos frecuentemente revela las características más interesantes de los datos.