11 – Detección de «outliers» usando el método z-score

Lección 11 del curso Series de Tiempo: Pre-procesamiento.

En la lección anterior vimos cómo funciona el método de detección de “outliers” de Tukey, que en esencia es un método estadístico que hace uso del rango intercuartiles para determinar los umbrales que nos permitirán detectar los valores extremos.

Y este método es robusto pues funciona incluso cuando no tenemos una distribución Normal o Gaussiana en las observaciones.

En esta lección veremos el método z-score que permite detectar “outliers” cuando tenemos certeza de que la distribución de las observaciones en la Serie de Tiempo es Normal o Gaussiana.

Como veremos tiene un principio de funcionamiento muy similar al método de Tukey con la diferencia de que los umbrales se calcularán a partir de la media y la desviación estándar de las observaciones:

Muy bien, acabamos de ver el principio de funcionamiento y la implementación práctica del método z-score para la detección de valores extremos en Series de Tiempo.

En últimas se sugiere usar este método cuando estamos seguros de que los datos tienen una distribución Normal o Gaussiana y de que los valores extremos no afectan la forma de esta distribución.

Si los valores extremos están demasiado alejados de la distribución o si esta no es Normal/Gaussiana lo más recomendable es usar el método de Tukey que es más robusto frente a estas dos situaciones.

Entonces, en la próxima lección, la última de este curso, nos enfocaremos en un cuarto método de detección de valores extremos en Series de Tiempo que también es muy usado y que, a diferencia de los métodos de Tukey y z-score, no hace uso de parámetros estadísticos para realizar la detección. Hablaremos entonces de la detección de “outliers” usando bosques de aislamiento («isolation forests»).

Todas las lecciones del curso Series de Tiempo: Preprocesamiento