Valores atípicos son puntos de datos inusuales que difieren significativamente de la mayoría de los datos. Pueden ocurrir debido a errores de ingreso de datos, variación natural o eventos raros pero importantes. Los valores atípicos pueden tener un impacto considerable en los resúmenes estadísticos y en la modelización.

Por ejemplo, un solo valor atípico grande puede aumentar la media o distorsionar la escala de las visualizaciones, lo que lleva a conclusiones engañosas.

Comprender y detectar valores atípicos es un paso fundamental en el preprocesamiento de datos. Dependiendo del objetivo del análisis, se puede optar por conservar, transformar o eliminar los valores atípicos.

Visualización de valores atípicos con gráficos de densidad

Un gráfico de densidad proporciona una curva suave que muestra la distribución de una variable. Los picos indican dónde se concentra la información, mientras que las colas largas o los bultos aislados pueden sugerir la presencia de valores atípicos o asimetría.

ggplot(df, aes(x = placement_exam_marks)) +
  geom_density(fill = "lightgreen", alpha = 0.7) +
  labs(title = "Density Plot Of Placement Exam Marks",
       x = "Placement",
       y = "Density") +
  theme_minimal()

Medición de la asimetría

La asimetría mide el grado de simetría o asimetría en una distribución. Esto ayuda a detectar si una variable presenta valores atípicos en uno de los extremos de la distribución.

skewness(df$placement_exam_marks)

Interpretación de la asimetría

• Asimetría ≈ 0: distribución aproximadamente simétrica;
• Asimetría > 0: distribución sesgada a la derecha;
• Asimetría < 0: distribución sesgada a la izquierda;
• Asimetría > 1: distribución fuertemente sesgada a la derecha;
• Asimetría < -1: distribución fuertemente sesgada a la izquierda.