Eliminación de Valores Atípicos Utilizando el Método de Puntuación Z
Un método común para detectar y eliminar valores atípicos es el método del z-score. Esta técnica identifica cuán alejado está un punto de datos de la media en términos de desviaciones estándar. Si un punto de datos se encuentra más allá de un cierto umbral (comúnmente ±3), se considera un valor atípico.
¿Qué es un Z-Score?
Un z-score (también conocido como puntuación estándar) se calcula utilizando la siguiente fórmula:
Z=σX−μDonde:
- X: el valor original del dato;
- μ: la media del conjunto de datos;
- σ: la desviación estándar del conjunto de datos.
Cálculo de Z-Scores
Se pueden calcular los z-scores manualmente siguiendo la fórmula:
mean_cgpa <- mean(df$cgpa)
sd_cgpa <- sd(df$cgpa)
df$cgpa_zscore <- (df$cgpa - mean_cgpa) / sd_cgpa
O se puede utilizar la función incorporada:
df$cgpa_zscore <- scale(df$cgpa)
Identificación de valores atípicos
Después de calcular los puntajes z, se puede elegir un umbral (±3 en este caso) y aplicar una operación de filtrado simple para seleccionar todas las entradas fuera del rango:
thresh_hold <- 3
outliers <- df[df$cgpa_zscore > thresh_hold | df$cgpa_zscore < -thresh_hold, ]
O se pueden seleccionar todas las entradas dentro del rango para crear un conjunto de datos sin valores atípicos:
df2 <- df[df$cgpa_zscore < thresh_hold & df$cgpa_zscore > -thresh_hold, ]
¡Gracias por tus comentarios!
Pregunte a AI
Pregunte a AI
Pregunte lo que quiera o pruebe una de las preguntas sugeridas para comenzar nuestra charla
Can you explain why the threshold of 3 is commonly used for z-scores?
How do I interpret positive and negative z-scores in my dataset?
What should I do if my data is not normally distributed?
Awesome!
Completion rate improved to 4Eliminación de Valores Atípicos Utilizando el Método de Puntuación Z
Desliza para mostrar el menú
Un método común para detectar y eliminar valores atípicos es el método del z-score. Esta técnica identifica cuán alejado está un punto de datos de la media en términos de desviaciones estándar. Si un punto de datos se encuentra más allá de un cierto umbral (comúnmente ±3), se considera un valor atípico.
¿Qué es un Z-Score?
Un z-score (también conocido como puntuación estándar) se calcula utilizando la siguiente fórmula:
Z=σX−μDonde:
- X: el valor original del dato;
- μ: la media del conjunto de datos;
- σ: la desviación estándar del conjunto de datos.
Cálculo de Z-Scores
Se pueden calcular los z-scores manualmente siguiendo la fórmula:
mean_cgpa <- mean(df$cgpa)
sd_cgpa <- sd(df$cgpa)
df$cgpa_zscore <- (df$cgpa - mean_cgpa) / sd_cgpa
O se puede utilizar la función incorporada:
df$cgpa_zscore <- scale(df$cgpa)
Identificación de valores atípicos
Después de calcular los puntajes z, se puede elegir un umbral (±3 en este caso) y aplicar una operación de filtrado simple para seleccionar todas las entradas fuera del rango:
thresh_hold <- 3
outliers <- df[df$cgpa_zscore > thresh_hold | df$cgpa_zscore < -thresh_hold, ]
O se pueden seleccionar todas las entradas dentro del rango para crear un conjunto de datos sin valores atípicos:
df2 <- df[df$cgpa_zscore < thresh_hold & df$cgpa_zscore > -thresh_hold, ]
¡Gracias por tus comentarios!
