Outliers são pontos de dados incomuns que diferem significativamente da maioria dos dados. Eles podem ocorrer devido a erros de digitação, variação natural ou eventos raros, porém importantes. Outliers podem ter um impacto substancial em resumos estatísticos e modelagem.

Por exemplo, um único outlier grande pode inflar a média ou distorcer a escala de visualizações, levando a conclusões equivocadas.

Compreender e detectar outliers é uma etapa crítica no pré-processamento de dados. Dependendo do objetivo da análise, pode-se optar por manter, transformar ou remover completamente os outliers.

Visualização de Outliers com Gráficos de Densidade

Um gráfico de densidade fornece uma curva suave que mostra a distribuição de uma variável. Picos indicam onde os dados estão concentrados, enquanto caudas longas ou saliências isoladas podem indicar outliers ou assimetria.

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()

Medindo a Assimetria

A assimetria mede o grau de simetria ou assimetria em uma distribuição. Isso auxilia na detecção de variáveis com outliers em um dos lados da distribuição.

skewness(df$placement_exam_marks)

Interpretação da Assimetria

• Assimetria ≈ 0: distribuição aproximadamente simétrica;
• Assimetria > 0: distribuição assimétrica à direita;
• Assimetria < 0: distribuição assimétrica à esquerda;
• Assimetria > 1: distribuição fortemente assimétrica à direita;
• Assimetria < -1: distribuição fortemente assimétrica à esquerda.