Valor atípico

Un valor atípico (outlier) es un dato muy distinto de los demás. Si los pedidos de un negocio suelen estar entre 20 y 60 dólares y hay uno de 9.000, ese pedido es un valor atípico. En un gráfico, es el punto solitario lejos del montón.

Los valores atípicos tienen dos orígenes muy distintos, y diferenciarlos es el verdadero trabajo. Algunos son errores: alguien escribió 9000 en lugar de 90,00, un sensor falló, quedó cargado un pedido de prueba. Esos hay que corregirlos o sacarlos. Otros son reales y muchas veces son lo más interesante de los datos: una empresa grande que compra por mayor, un intento de fraude, un servidor a punto de fallar. Borrarlos escondería justo lo que necesitabas ver.

Importan porque algunos resúmenes son muy sensibles a ellos. Si entra un multimillonario a un bar, el ingreso promedio de los presentes se vuelve enorme, mientras que la mediana (el valor del medio) casi no se mueve. Por eso los analistas miran los datos antes de promediarlos, y por eso los informes sobre sueldos o precios de casas suelen dar la mediana. Detectar valores raros de forma automática, lo que se llama detección de anomalías, se usa para prevenir fraudes, en seguridad y para vigilar equipos.