¿Cómo puede ayudar el cálculo de la puntuación z a identificar valores atípicos? (2024)

FAQs

¿Cómo puede ayudar el cálculo de la puntuación z a identificar valores atípicos? ›

Las puntuaciones Z son una herramienta que permite determinar valores atípicos basados en la ubicación de los datos en los gráficos. Las puntuaciones Z basan esta información en la distribución de los datos y utilizan las mediciones de la desviación estándar de los datos para calcular valores atípicos.

Para la detección de valores atípicos globales, los valores atípicos se determinan calculando la distancia a uno de sus vecinos más cercanos, denominada distancia a vecinos. De forma predeterminada, se utiliza el vecino más cercano, pero puede cambiar el número mediante el parámetro Cantidad de vecinos.

Para detectar valores atípicos con la puntuación z, establezca un umbral (normalmente 3) . Esto significa que cualquier puntuación z superior a 3 o inferior a -3 es un valor atípico. Capta alrededor del 0,3% de los datos en una distribución normal. Ajuste el umbral en función de sus datos y objetivos.

Uno de esos métodos es el método de puntuación Z. Una puntuación Z es una medida de cuántas desviaciones estándar está lejos de la media un punto de datos. Cualquier puntuación Z de 3 o más se considera un valor atípico . Esto se debe a que una puntuación de 3 o más queda fuera del rango de aproximadamente el 99,7% de los datos.

Si la puntuación z de un punto de datos es superior a 3, indica que el punto de datos es bastante diferente de los demás puntos de datos . Un dato así puede ser un caso atípico. La puntuación Z puede ser tanto positiva como negativa. Cuanto más lejos de 0, mayor será la probabilidad de que un punto de datos determinado sea un valor atípico.

Un valor atípico es un punto de datos que es significativamente diferente de los demás puntos de datos de un conjunto de datos . Por lo general, se identifica como un valor que queda fuera de un rango definido por los cuartiles de los datos, conocido como rango intercuartil (IQR), o un cierto número de desviaciones estándar de la media.

La detección de valores atípicos mediante percentiles implica identificar puntos de datos que quedan fuera de un rango específico de percentiles . El rango de percentiles se puede especificar como un porcentaje de los datos, como el 5% superior e inferior de los puntos de datos. Los puntos de datos que quedan fuera de este rango se consideran valores atípicos.

La puntuación de z estándar se calcula dividiendo la diferencia de la media por la desviación estándar.

La puntuación Z, o puntuación estándar, es un método para describir un punto de datos en su relación con la desviación media y estándar de un grupo de puntos. Tomar una puntuación Z es simplemente asignar los datos en una distribución cuya media se defina como 0 y cuya desviación estándar se defina como 1.

Un z-score de 1 será una desviación estándar sobre la media. Una puntuación de 2 será 2 desviaciones estándar sobre la media. Una puntuación de – 1,8 es – 1,8 desviaciones estándar por debajo de la media. Un z-score te revela dónde se encuentra la puntuación en una curva de dispersión típica.

¿Por qué se utilizan las puntuaciones para comprobar si hay valores atípicos? ›

Esta puntuación ayuda a comprender si el valor de un dato es mayor o menor que la media y a qué distancia está de la media . Más específicamente, la puntuación Z indica a cuántas desviaciones estándar se encuentra un punto de datos de la media. Claramente, 15 es un valor atípico en este conjunto de datos.

Podemos utilizar el método IQR para identificar valores atípicos para establecer una "cerca" fuera del Q1 y el Q3. Cualquier valor que quede fuera de este límite se considera valor atípico. Para construir esta valla tomamos 1,5 veces el IQR y luego restamos este valor de Q1 y sumamos este valor a Q3 .

¿Cómo lidiar con valores atípicos? Tres métodos principales para tratar con valores atípicos, además de eliminarlos del conjunto de datos: 1) reducir los pesos de los valores atípicos (peso de recorte) 2) cambiar los valores de los valores atípicos (Winsorización, recorte, imputación) 3) usar técnicas de estimación robustas (M- Estimacion) .

Puntuaciones Z. Si sus datos provienen de una distribución normal, puede usar las puntuaciones z, lo que se puede hacer con la función scale() en R. Otros también utilizan una puntuación z inferior a -3,29 o superior a 3,29 para detectar valores atípicos.

En general, una puntuación z de 2 o más se considera un valor atípico. 2. La ventaja de utilizar puntuaciones z para detectar valores atípicos es que son independientes de la escala del conjunto de datos. Esto significa que las puntuaciones z se pueden utilizar para comparar puntos de datos de diferentes conjuntos de datos que tienen diferentes unidades de medida .

Un valor atípico es un valor que es mucho mayor o mucho menor que la mediana. Aquellos datos que se hallan a una distancia del primer cuartil y del tercer cuartil superior a 1.5 veces el rango intercuartílico, se llaman valores atípicos.

Los diagramas de caja son un método popular y sencillo para identificar valores atípicos. Hay dos categorías de valores atípicos: (1) valores atípicos y (2) puntos extremos. Los valores superiores a Q3+1,5xIQR o inferiores a Q1-1,5xIQR se consideran valores atípicos . Los valores superiores a Q3 + 3xIQR o inferiores a Q1 - 3xIQR se consideran puntos extremos (o valores atípicos extremos).

La mejor opción es quitarle peso a esas observaciones atípicas mediante técnicas robustas. Los métodos estadísticos robustos son técnicas modernas que hacen frente a estos problemas.

El método de detección de valores atípicos es muy sencillo. Calcule todas las puntuaciones Z de los puntos de datos. Entonces, un punto se considera atípico y, por lo tanto, debe eliminarse del conjunto de datos si el valor de su puntuación z es superior a 3 o inferior a -3 .

Explicación: La minería de reglas de asociación se utiliza para encontrar conjuntos de elementos frecuentes y no es una técnica utilizada para la detección de valores atípicos.