Calculadora de vallas superior e inferior IQR

El método de vallas superior e inferior es la técnica estándar para identificar valores atípicos en un conjunto de datos mediante el rango intercuartílico (IQR). Desarrollado como parte del marco de análisis exploratorio de datos de John Tukey en 1977, ofrece una forma robusta y no paramétrica de señalar observaciones inusuales sin asumir que los datos siguen una distribución particular. El método se enseña ampliamente en cursos introductorios de estadística y es el enfoque predeterminado para detectar valores atípicos en diagramas de caja y bigotes. El cálculo comienza ordenando el conjunto de datos y encontrando el primer y tercer cuartil. Q1 (percentil 25) es el valor por debajo del cual cae el 25% de los datos, mientras que Q3 (percentil 75) es el valor por debajo del cual cae el 75%. El IQR es simplemente Q3 menos Q1 y representa la dispersión de la mitad central de los datos. Como el IQR ignora los valores extremos en ambos extremos de la distribución, es resistente a los mismos valores atípicos que intenta detectar, una propiedad que hace que el método de vallas sea más confiable que los métodos basados en el rango. Una vez calculado el IQR, las vallas se fijan en 1.5 × IQR por debajo de Q1 (valla inferior) y 1.5 × IQR por encima de Q3 (valla superior). Cualquier punto de datos por debajo de la valla inferior o por encima de la valla superior se clasifica como valor atípico. Tukey eligió empíricamente el multiplicador 1.5 porque funciona bien con datos aproximadamente normales: en una distribución normal, esta regla marca alrededor del 0.7% de las observaciones como valores atípicos, lo que corresponde a valores a más de unas 2.7 desviaciones estándar de la media. Para valores atípicos más extremos, algunas aplicaciones usan un multiplicador de 3 en lugar de 1.5 y etiquetan esos puntos como valores atípicos lejanos o extremos. Los puntos fuera de la valla de 1.5 × IQR pero dentro de la valla de 3 × IQR a veces se denominan valores atípicos leves. Esta calculadora usa la regla estándar de 1.5 × IQR, adecuada para la mayoría de los análisis exploratorios. La detección de valores atípicos es un paso crítico en la limpieza de datos, el control de calidad y el modelado estadístico. En manufactura, una medición de proceso fuera de la valla podría indicar una unidad defectuosa o un error de medición. En finanzas, los rendimientos extremos podrían señalar errores de datos, anomalías del mercado o eventos reales que requieren investigación. En investigación clínica, se identifican y revisan valores fisiológicamente imposibles. En aprendizaje automático, los valores atípicos pueden distorsionar el entrenamiento del modelo si no se tratan. Es importante recordar que los valores atípicos estadísticos no son necesariamente valores erróneos. Un valor atípico es simplemente una observación inusualmente alejada del grueso de los datos según la regla IQR. Se requiere investigación para determinar si el valor representa un evento extremo genuino, un error de medición o un error de ingreso de datos.