Cómo detectar valores atípicos sin eliminar observaciones válidas.
Los valores atípicos dependen de la regla y del contexto elegidos. Un valor marcado puede ser válido: muestra el cálculo y conserva el registro original.
Adapta el flujo de trabajo a tu tarea.
Elige e indica una regla de detección antes de etiquetar observaciones. Muestra el umbral o el cálculo, conserva los identificadores de fila y revisa los grupos pertinentes por separado. Trata los valores marcados como candidatos a investigar y comprueba unidades y errores de origen antes de excluirlos.
- Qué aportas
- Tabla numérica y regla estadística seleccionada.
- Qué obtienes
- Observaciones marcadas con cálculo y advertencias sobre el contexto.
Mira la entrada y el resultado.
Entrada y salida ilustrativas · ejemplo didáctico, no una ejecución de WebAct en directo
Ejemplo campo
Values with row IDs: A=10, B=11, C=12, D=100. Use a supplied review rule: flag values above twice the median. Do not delete records.
Ejemplo completo
Sorted values: 10, 11, 12, 100. Median: (11 + 12) / 2 = 11.5. Threshold: 2 × 11.5 = 23. Flagged: row D, value 100, because 100 > 23. A, B and C do not exceed the threshold. This is the requested review heuristic, not evidence that D is an error.
Carga esta entrada en el prompt y cópialo en WebAct para probar la tarea. Tu resultado puede diferir del ejemplo.
Decisiones y solución de problemas.
¿Hay que eliminar todos los valores atípicos marcados antes de calcular una media?
No. Un valor inusual puede ser real e importante. Documenta cualquier regla de exclusión y compara los resultados con ella y sin ella.
¿Por qué un cliente válido de alto valor aparece como atípico?
La población de comparación puede combinar distintos tipos de clientes. Examina el contexto del segmento y el umbral de detección elegido.
Pruébalo con tu propia fuente.
Sustituye el ejemplo por tu material en el prompt. Conserva los requisitos que necesites y copia la tarea en WebAct.
Personalizar y copiar la tarea ↑