Lección 9 del curso Series de Tiempo: Pre-procesamiento.
En la lección anterior vimos en qué consistía la imputación con interpolación, una técnica de uso común para realizar el manejo de valores faltantes en Series de Tiempo.
En este tercer y último módulo del curso nos enfocaremos en la detección de valores extremos (“outliers”) en una Serie de Tiempo.
En esencia un valor extremo es aquel que se aleja del rango normal de los valores que tiene la Serie, bien sea porque es muy grande o porque es muy pequeño. Y en esta lección comenzaremos viendo la técnica más sencilla para realizar la detección de “outliers”: la inspección visual.
En particular, comenzaremos hablando brevemente de las técnicas de manejo de “outliers” y luego veremos en detalle las diferentes formas de detectar valores extremos usando herramientas gráficas.
Y al final cerraremos la lección con las ventajas y desventajas de estos métodos:
Contenido exclusivo para suscriptores
Si eres suscriptor accede en este enlace ó suscríbete a la Academia Online y accede a todo el contenido (lecciones en video, código fuente, sets de datos y descargas) de todos los cursos, proyectos y tutoriales.
Acabamos de ver que este método de inspección visual es muy sencillo de implementar y que uno de los retos está en lograr visualizar correctamente la Serie o la distribución de las observaciones, especialmente cuando tenemos muchos registros.
Sin embargo, se trata de un método subjetivo y que tiende a ser impreciso, es decir que dependiendo del criterio del observador se podrán detectar más o menos “outliers” en la Serie de Tiempo.
Como alternativa a este método tenemos métodos que detectan los valores extremos directamente a partir de los datos, sin que sea necesaria la intervención humana.
Estos métodos son más confiables, replicables y precisos y por tanto son los sugeridos al momento de realizar la detección de “outliers” en Series de Tiempo.
Entonces, en la próxima lección hablaremos del primero de estos métodos: la detección de “outliers” con el método de Tukey.
Todas las lecciones del curso Series de Tiempo: Preprocesamiento