Prueba de valores atípicos (prueba de Grubbs)

Una prueba de valores atípicos identifica estadísticamente las observaciones de un conjunto de datos que están inusualmente lejos de la mayoría de los datos: valores tan extremos que es improbable que procedan del mismo proceso o población subyacente. Detectar valores atípicos es un paso importante en la revisión de la calidad de los datos, porque un solo valor extremo puede distorsionar las medias, inflar las desviaciones estándar y afectar de forma significativa a los resultados del análisis de capacidad, la regresión y las pruebas de hipótesis.

Última revisión:

Idea clave

Una prueba de valores atípicos identifica estadísticamente las observaciones de un conjunto de datos que están inusualmente lejos de la mayoría, valores tan extremos que es improbable que procedan del mismo proceso o población.

En esta página
  1. ¿Qué es la prueba de valores atípicos?
  2. ¿Cuándo usar la prueba de valores atípicos?
  3. Pautas para el uso correcto de la prueba de valores atípicos
  4. Alternativas: cuándo no usar la prueba de valores atípicos
  5. Ejemplo de prueba de valores atípicos
  6. Cómo realizar la prueba de valores atípicos

¿Qué es la prueba de valores atípicos?

Una prueba de valores atípicos identifica estadísticamente las observaciones de un conjunto de datos que están inusualmente lejos de la mayoría de los datos: valores tan extremos que es improbable que procedan del mismo proceso o población subyacente. Detectar valores atípicos es un paso importante en la revisión de la calidad de los datos, porque un solo valor extremo puede distorsionar las medias, inflar las desviaciones estándar y afectar de forma significativa a los resultados del análisis de capacidad, la regresión y las pruebas de hipótesis.

El método más utilizado es la prueba de Grubbs (también llamada prueba ESD, desviación estudentizada extrema o Extreme Studentized Deviate), que contrasta si el valor más extremo del conjunto de datos es significativamente distinto del resto.

Definición sencilla:Una prueba estadística formal que identifica si algún punto de datos es tan extremo que es improbable que pertenezca al mismo proceso, y ayuda a decidir si investigar o eliminar los valores sospechosos.

¿Cuándo usar la prueba de valores atípicos?

  • Úsela cuando sospeche que pueden existir valores inusuales en su conjunto de datos antes de ejecutar un análisis de capacidad, una regresión o pruebas de hipótesis.
  • Úsela durante la limpieza y validación de los datos para confirmar la integridad de los datos antes de tomar decisiones sobre el proceso.
  • Úsela cuando un punto de datos individual parezca visualmente extremo en un histograma o una gráfica de control y necesite una prueba formal que confirme si es estadísticamente inusual.
  • Úsela cuando errores de medición, errores de introducción de datos o eventos de causa especial puedan haber introducido valores atípicos en el conjunto de datos.

Pautas para el uso correcto de la prueba de valores atípicos

  • Los datos deben tener una distribución aproximadamente normal : la prueba de Grubbs supone normalidad y puede no funcionar de forma fiable con datos muy asimétricos.
  • No elimine automáticamente los valores atípicos señalados sin investigarlos: determine siempre si el valor atípico representa un evento genuino del proceso, un error de medición o un error de introducción de datos.
  • Contraste un valor atípico cada vez al usar la prueba de Grubbs: eliminar un valor atípico y volver a contrastar es más fiable que contrastar varios valores atípicos simultáneamente.
  • Documente los valores atípicos que se eliminen, junto con la justificación de su eliminación: esto es fundamental para los registros de auditoría y de calidad.
  • Fije alfa en 0.05 como valor estándar por defecto: un valor p inferior a 0.05 indica que el valor señalado es estadísticamente inusual.

Alternativas: cuándo no usar la prueba de valores atípicos

  • Si los datos no siguen una distribución normal, use en su lugar métodos robustos de detección de valores atípicos como el método del IQR o la desviación absoluta mediana.
  • Si desea inspeccionar visualmente la dispersión de los datos en lugar de una prueba formal, use una gráfica de caja o una gráfica de valores individuales
  • Si se esperan varios valores atípicos, use la prueba ESD generalizada (Generalised Extreme Studentized Deviate) en lugar de repetir pruebas de Grubbs de un solo valor atípico.
  • Si el valor atípico se debe a un evento de causa especial conocida, trátelo como una señal del proceso e investíguelo con gráficas de control en lugar de eliminarlo sin más.

Ejemplo de prueba de valores atípicos

Un ingeniero de calidad de una empresa de mangos de madera prueba la resistencia de una muestra aleatoria de mangos de escoba. El ingeniero registra la fuerza necesaria para romper cada mango. El ingeniero crea una gráfica de los datos y observa que uno de los valores de la muestra parece inusualmente pequeño. La prueba se realiza en los siguientes pasos:

  1. Recopiló los datos necesarios.
Outlier test — figure 1
  1.  Ahora analice los datos en Zometric Statistical Software en https://statsai.zometric.com/.
  2.  Para encontrar la prueba de valores atípicos, elija Statistical module> Hypothesis Test> Outlier test.
  3.  Dentro de la herramienta, se introducen los datos junto con las demás entradas como se indica a continuación:
Outlier test — figure 2

5. Después de usar la herramienta mencionada, se obtiene la siguiente salida:

Outlier test — figure 3Outlier test — figure 4

Cómo realizar la prueba de valores atípicos

La guía es la siguiente:

  1. Inicie sesión en Zometric Statistical Software en https://statsai.zometric.com/
  2. En la página de inicio, elija Statistical Tool> Hypothesis Test >Outlier test .
  3. A continuación, introduzca los datos manualmente o copie todos los datos (Ctrl+C) de una hoja de Excel y péguelos (Ctrl+V).
  4. Rellene las opciones necesarias.
  5. Por último, haga clic en calculate en la parte inferior de la página para obtener los resultados deseados.

En el tablero de Outlier test, la ventana está dividida en dos partes.

Outlier test — figure 5

En la parte izquierda se encuentra el panel de datos (Data Pane). En el Data Pane, cada fila forma un subgrupo. Los datos pueden introducirse manualmente o copiarse por completo (Ctrl+C) de una hoja de Excel y pegarse (Ctrl+V) aquí.

Load example: Se cargarán los datos de ejemplo.

Load File: Se usa para cargar directamente los datos de Excel.

En la parte derecha hay varias opciones, como las siguientes:

  • Variables: Seleccione la(s) columna(s) que contienen los datos continuos en los que desea buscar valores atípicos. Use Ctrl o Command + clic para seleccionar varias columnas si desea comprobar varias variables a la vez. Cada columna seleccionada se contrasta de forma independiente: la herramienta evalúa cada variable por separado e informa de si hay valores estadísticamente extremos en cada conjunto de datos.
  • Significance Level: Fija el umbral para determinar si un valor señalado es un valor atípico estadísticamente significativo. El valor estándar por defecto es 0.05, lo que significa que existe un riesgo del 5% de identificar incorrectamente un punto de datos normal como valor atípico cuando en realidad no existe ninguno. Un nivel de significancia más bajo (p. ej., 0.01) hace la prueba más conservadora y reduce las falsas alarmas, pero puede pasar por alto valores atípicos genuinos. Un nivel más alto (p. ej., 0.10) hace la prueba más sensible, pero aumenta la probabilidad de señalar valores que simplemente forman parte de la variación natural del proceso.
  • Outlier Test: Grubbs La prueba de Grubbs es el método estadístico que se usa para identificar valores atípicos. Funciona calculando a cuántas desviaciones estándar de la media se encuentra el valor más extremo del conjunto de datos y comparando después esa distancia con un valor crítico basado en el tamaño de muestra y el nivel de significancia. Si el valor más extremo supera el umbral crítico, se señala como valor atípico estadísticamente significativo.
  • La prueba de Grubbs supone que los datos tienen una distribución aproximadamente normal y contrasta un valor atípico cada vez : identifica el único valor más extremo del conjunto de datos. Si ese valor se confirma y se elimina, la prueba puede repetirse con los datos restantes para comprobar si hay valores atípicos adicionales. Es el método más aceptado y más utilizado para la detección de valores atípicos en datos continuos con distribución normal.
  • Outlier Plot: Cuando está activado, muestra una gráfica de los datos con el posible valor atípico claramente marcado. La gráfica muestra todos los puntos de datos en una escala, de modo que se ve de inmediato a qué distancia del resto de los datos se encuentra el valor señalado. Esta confirmación visual es importante porque ayuda a juzgar si el valor atípico es un valor extremo genuino o simplemente una observación en la cola natural de la distribución, lo que permite decidir con más criterio si investigar o conservar el punto señalado.

Preguntas frecuentes

¿Qué es una prueba de valores atípicos?

Una prueba de valores atípicos identifica estadísticamente las observaciones que están inusualmente lejos del resto de los datos, tan extremas que es improbable que procedan del mismo proceso o población. Es un paso importante de calidad de los datos, porque un solo valor extremo puede distorsionar las medias, inflar las desviaciones estándar y afectar al análisis de capacidad, la regresión y las pruebas de hipótesis.

¿Cómo funciona la prueba de Grubbs?

La prueba de Grubbs, también llamada prueba ESD (Extreme Studentized Deviate), calcula a cuántas desviaciones estándar de la media se encuentra el valor más extremo y compara esa distancia con un valor crítico basado en el tamaño de muestra y el nivel de significancia. Si lo supera, el valor se señala como valor atípico estadísticamente significativo.

¿Cuáles son los supuestos de la prueba de valores atípicos de Grubbs?

Los datos deben tener una distribución aproximadamente normal, ya que la prueba de Grubbs puede no funcionar de forma fiable con datos muy asimétricos. Contrasta un valor atípico cada vez; si un valor se confirma y se elimina, la prueba puede repetirse con los datos restantes. Para datos no normales, use métodos robustos como el método del IQR o la desviación absoluta mediana.

¿Debe eliminar los valores atípicos que encuentra una prueba de valores atípicos?

No elimine nunca automáticamente los valores atípicos señalados. Determine primero si el valor refleja un evento genuino del proceso, un error de medición o un error de introducción de datos, y documente los valores atípicos eliminados con su justificación. Si un valor atípico procede de una causa especial conocida, trátelo como una señal del proceso e investíguelo con gráficas de control.