Detección de valores atípicos
Modellus identifica automáticamente los puntos de datos que se alejan mucho de la curva de regresión, para ayudarte a detectar errores de medida o fenómenos interesantes.
Visión general
Cuando haces una regresión con los datos de una tabla, Modellus compara cada punto con la curva ajustada. Los puntos que quedan muy lejos de la curva se marcan como valores atípicos y se señalan visualmente en las formas Gráfica para ayudarte a interpretar tus datos.
Cómo funciona la detección
El proceso de detección:
- Se calcula una regresión (lineal o cuadrática) con los datos seleccionados
- Para cada punto se calcula el residuo (la distancia a la curva)
- Se marcan los puntos cuyo residuo supera un umbral estadístico
- El método
isOutlierIterationseñala esas iteraciones - Las gráficas dibujan los puntos atípicos con un estilo visual distinto
Aspecto en las gráficas
| Tipo de punto | Aspecto | Significado |
|---|---|---|
| Normal | Círculo relleno, del color de la serie | Punto coherente con el modelo de regresión |
| Atípico | Marcador distinto (hueco o de un color que contrasta) | Punto alejado de la curva ajustada |
Interpretar los valores atípicos
Un punto atípico puede indicar:
- Error de medida — El dato se anotó mal
- Anomalía experimental — Ocurrió algo inusual durante esa medida
- Limitación del modelo — El modelo de regresión elegido (lineal o cuadrático) no recoge todo el comportamiento
- Fenómeno interesante — Un comportamiento realmente distinto que merece la pena investigar
Trabajar con valores atípicos
Excluir valores atípicos de la regresión
Si llegas a la conclusión de que ciertos puntos son errores de medida, puedes excluirlos seleccionando un intervalo de celdas más reducido en la tabla antes de aplicar la regresión. Solo las celdas seleccionadas intervienen en el ajuste de la curva.
Comparar regresiones
Prueba la regresión lineal y la cuadrática con los mismos datos. Si el modelo lineal da muchos valores atípicos y el cuadrático no, la relación puede no ser lineal: plantéate mejorar tu modelo teórico.
Detalles técnicos
El motor de cálculo detecta los valores atípicos iteración a iteración con su método isOutlierIteration. Al dibujarse, la forma Gráfica lo consulta para cada punto de las series del eje Y y aplica el estilo de valor atípico a las iteraciones marcadas.