Preguntas etiquetadas con outliers

Siguiendo mi pregunta aquí , me pregunto si hay opiniones fuertes a favor o en contra del uso de la desviación estándar para detectar valores atípicos (por ejemplo, cualquier punto de datos que tenga más de 2 desviaciones estándar es un valor atípico). Sé que esto depende del contexto del …

27 outliers 

Hay muchas publicaciones en este SE que discuten enfoques sólidos para el análisis de componentes principales (PCA), pero no puedo encontrar una buena explicación de por qué PCA es sensible a los valores atípicos en primer lugar.

26 machine-learning  pca  outliers 

Viniendo del campo de la visión por computadora, a menudo he usado el método RANSAC (Random Sample Consensus) para ajustar modelos a datos con muchos valores atípicos. Sin embargo, nunca lo he visto utilizado por los estadísticos, y siempre he tenido la impresión de que no se consideraba un método …

26 outliers  bootstrap  robust 

He comenzado a trabajar a través de Tutoriales de minería de datos estadísticos de Andrew Moore (muy recomendable para cualquier otra persona que se aventura por primera vez en este campo). Comencé leyendo este PDF extremadamente interesante titulado "Introducción general de los algoritmos de detección de anomalías basados ​​en series …

25 time-series  outliers  signal-processing  wavelet 

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 análisis de …

24 distributions  outliers  skewness  exponential  interquartile 

En el análisis de regresión lineal, analizamos valores atípicos, investigamos la multicolinealidad, probamos la heterocedasticidad. La pregunta es: ¿hay alguna orden para aplicarlos? Quiero decir, ¿primero tenemos que analizar los valores atípicos y luego examinar la multicolinealidad? O al revés? ¿Hay alguna regla general sobre esto?

24 regression  multiple-regression  outliers 

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 muestra …

23 multivariate-analysis  outliers 

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 …

23 regression  outliers 

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 …

21 outliers  count-data  fitting 

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 fuentes dijeron …

19 outliers  skewness  boxplot 

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 sesgada hacia muchos pequeños …

19 bootstrap  outliers 

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 resultados. ¿Quizás reemplazar el valor de …

18 machine-learning  categorical-data  outliers  discrete-data  anomaly-detection 

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= Q3-Q1Q1Q1Q1Q3Q3Q3 ¿Cuál es la base de esta definición? Con una gran cantidad …

17 outliers  normality-assumption  qq-plot  boxplot 

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 …

17 cross-validation  standard-deviation  mean  outliers 

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 …

17 r  data-visualization  outliers  boxplot  presentation