Tabla de contenido
¿Qué son los valores atípicos en una distribución?
Un valor atípico es una observación extrañamente grande o pequeña. Los valores atípicos pueden tener un efecto desproporcionado en los resultados estadísticos, como la media, lo que puede conducir a interpretaciones engañosas. Por ejemplo, un conjunto de datos incluye los valores: 1, 2, 3, y 34.
¿Qué hacer con un dato atipico?
Hay disponibles las siguientes acciones para el tratamiento de valores atípicos y extremos:
- Forzar. Sustituye los valores atípicos y extremos por el valor más cercano que no se consideraría extremo.
- Descartar.
- Anular.
- Forzar valores atípicos/descartar extremos.
- Forzar valores atípicos/anular extremos.
¿Qué es el análisis de regresión?
El análisis de regresión es una técnica de análisis que calcula la relación estimada entre una variable dependiente y una o varias variables explicativas. Con el análisis de regresión, es posible modelar la relación entre las variables elegidas, así como predecir valores basándose en el modelo.
¿Cómo identificar los valores atípicos?
Con frecuencia, la manera más fácil de identificar los valores atípicos es graficando los datos. En las gráficas de caja, Minitab usa un símbolo de asterisco (*) para identificar los valores atípicos. Estos valores atípicos son observaciones que están a por lo menos 1.5 veces el rango intercuartil (Q3 – Q1) del borde de la caja.
¿Cuáles son los diferentes tipos de gráficos para el análisis de regresión?
También es posible utilizar gráficos, tales como matrices de gráficos de dispersión, histogramas y gráficos de puntos, en el análisis de regresión para analizar las relaciones y poner a prueba las suposiciones. El análisis de regresión se puede usar para resolver los siguientes tipos de problemas:
¿Cuáles son los valores aceptables de una ecuación de regresión?
En general, los valores comprendidos entre 1,5 y 2,5 se consideran aceptables, mientras que los valores menores que 1,5 o mayores que 2,5 indican que el modelo no se ajusta a la suposición de que no exista autocorrelación. La precisión de una ecuación de regresión es una parte importante del análisis de regresión.
