Bajo una definición clásica de un valor atípico como un punto de datos fuera del 1.5 * IQR desde el cuartil superior o inferior, se supone una distribución no sesgada. Para distribuciones sesgadas (exponencial, Poisson, geométrica, etc.), ¿es la mejor manera de detectar un valor atípico mediante el...
Estoy realizando análisis de regresión múltiple y no estoy seguro de si se deben eliminar los valores atípicos en mis datos. Los datos que me preocupan aparecen como "círculos" en los diagramas de caja de SPSS, sin embargo, no hay asteriscos (lo que me hace pensar que no son "tan malos"). Los casos...
Si tengo una muestra de iid normal multivariante y defino (que es una especie de distancia de Mahalanobis [al cuadrado] desde un punto de muestra al vector usando la matriz para ponderar), ¿cuál es la distribución de (distancia de Mahalanobis al muestra media usando la matriz de covarianza de...
Tengo lo que ingenuamente pensé que era un problema bastante sencillo que implica la detección de valores atípicos para muchos conjuntos diferentes de datos de conteo. Específicamente, quiero determinar si uno o más valores en una serie de datos de conteo son más altos o más bajos de lo esperado en...
Cómo decidir la asimetría observando un diagrama de caja construido a partir de estos datos: 340, 300, 520, 340, 320, 290, 260, 330 Un libro dice: "Si el cuartil inferior está más alejado de la mediana que el cuartil superior, entonces la distribución está sesgada negativamente". Varias otras...
Hemos realizado una prueba dividida de una nueva característica del producto y queremos medir si la mejora en los ingresos es significativa. Nuestras observaciones definitivamente no se distribuyen normalmente (la mayoría de nuestros usuarios no gastan, y dentro de las que sí lo hacen, está muy...
tl; dr ¿Cuál es la forma recomendada de manejar los discretedatos cuando se realiza la detección de anomalías? ¿Cuál es la forma recomendada de manejar los categoricaldatos cuando se realiza la detección de anomalías? Esta respuesta sugiere usar datos discretos para simplemente filtrar los...
Podría usar alguna orientación sobre la presentación de algunos datos. Este primer gráfico es una comparación de casos y controles para la citocina IL-10. He configurado manualmente el eje y para incluir el 99% de los datos. La razón por la que configuré esto manualmente es porque el grupo de...
El PCA robusto (desarrollado por Candes et al. 2009 o mejor aún, Netrepalli et al. 2014 ) es un método popular para la detección de valores atípicos multivariados , pero la distancia de Mahalanobis también se puede utilizar para la detección de valores atípicos dada una estimación robusta y...
Se produce un aumento en el número de casos y muertes durante las epidemias (aumento repentino en el número) debido a la circulación de virus (como el Virus del Nilo Occidental en EE. UU. En 2002) o la disminución de la resistencia de las personas o la contaminación de alimentos o agua o el aumento...
La definición estándar de un valor atípico para un diagrama de Caja y Bigotes son los puntos fuera del rango , donde y es el primer cuartil y es el tercer cuartil de los datos. I Q R{Q1−1.5IQR,Q3+1.5IQR}{Q1−1.5IQR,Q3+1.5IQR}\left\{Q1-1.5IQR,Q3+1.5IQR\right\}IQR=Q3−Q1IQR=Q3−Q1IQR=...
Supongamos que normalmente tengo datos distribuidos. Para cada elemento de los datos, quiero verificar cuántas SD está lejos de la media. Puede haber un valor atípico en los datos (probablemente solo uno, pero también puede ser dos o tres) o no, pero este valor atípico es básicamente lo que estoy...
Tengo datos mensuales de series temporales y me gustaría hacer pronósticos con detección de valores atípicos. Esta es la muestra de mi conjunto de datos: Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec 2006 7.55 7.63 7.62 7.50 7.47 7.53 7.55 7.47 7.65 7.72 7.78 7.81 2007 7.71 7.67 7.85 7.82 7.91...
Estoy buscando algunas técnicas robustas para eliminar los valores atípicos y los errores (cualquiera sea la causa) de los datos financieros de series temporales (es decir, tickdata). Los datos de series de tiempo financieras tick-by-tick son muy desordenados. Contiene grandes brechas (de tiempo)...
De Wikipedia Las observaciones influyentes son aquellas que tienen un efecto relativamente grande en las predicciones del modelo de regresión. De Wikipedia Los puntos de apalancamiento son aquellas observaciones, si las hay, hechas a valores extremos o periféricos de las variables...
Tengo un montón (alrededor de 1000) de estimaciones y se supone que todas son estimaciones de elasticidad a largo plazo. Un poco más de la mitad de estos se estima utilizando el método A y el resto utilizando un método B. En algún lugar leí algo como "Creo que el método B estima algo muy diferente...
El enfoque común para estimar los parámetros de una distribución normal es usar la media y la desviación / varianza estándar de la muestra. Sin embargo, si hay algunos valores atípicos, la mediana y la desviación media de la mediana deberían ser mucho más robustas, ¿verdad? En algunos conjuntos...
Tengo un modelo de predicción probado con cuatro métodos, como puede ver en la figura del diagrama de caja a continuación. El atributo que predice el modelo está en el rango de 0-8. Puede notar que hay un valor atípico de límite superior y tres valores atípicos de límite inferior indicados por...
Me pregunto si hay una manera simple de detectar valores atípicos. Para uno de mis proyectos, que era básicamente una correlación entre la cantidad de veces que los encuestados participan en actividades físicas en una semana y la cantidad de veces que comen fuera de casa (comida rápida) en una...
Estoy tratando de entender el resultado que veo en mi gráfico a continuación. Por lo general, tiendo a usar Excel y obtener una línea de regresión lineal, pero en el siguiente caso estoy usando R y obtengo una regresión polinómica con el comando: ggplot(visual1, aes(ISSUE_DATE,COUNTED)) +...