Método gráfico usando vecindades para detectar outliers

We propose a new graphical method to help us to uncover  potential outliers in multivariate samples. The idea behind the method is to analyze the behavior of a growing neighborhood of each data point. This method is very robust and allows to find outliers in very complex structures.

Autores:
Correa Morales, Juan Carlos
López Ríos, Víctor Ignacio
Tipo de recurso:
Fecha de publicación:
2015
Institución:
Universidad Santo Tomás
Repositorio:
Repositorio Institucional USTA
Idioma:
eng
OAI Identifier:
oai:repository.usta.edu.co:11634/39597
Acceso en línea:
https://revistas.usantotomas.edu.co/index.php/estadistica/article/view/1430
http://hdl.handle.net/11634/39597
Palabra clave:
datos atípicos multivariables
método de la distancia de Mahalanobis
método de vecinos.
Rights
License
http://purl.org/coar/access_right/c_abf2
id SANTTOMAS2_7700881131cd1e4fed6aceb1dc1987ad
oai_identifier_str oai:repository.usta.edu.co:11634/39597
network_acronym_str SANTTOMAS2
network_name_str Repositorio Institucional USTA
repository_id_str
spelling Correa Morales, Juan CarlosLópez Ríos, Víctor Ignacio2022-01-18T16:06:50Z2022-01-18T16:06:50Z2015-07-01https://revistas.usantotomas.edu.co/index.php/estadistica/article/view/143010.15332/s2027-3355.2015.0001.02http://hdl.handle.net/11634/39597We propose a new graphical method to help us to uncover  potential outliers in multivariate samples. The idea behind the method is to analyze the behavior of a growing neighborhood of each data point. This method is very robust and allows to find outliers in very complex structures.Se propone un nuevo método gráfico que ayuda a descubrir datos atípicos en muestras multivariables. La idea detrás del método es analizar el comportamiento de una vecindad creciente alrededor de cada observación en la muestra de datos. Este método es muy robusto y permite encontrar datos atípicos en estructuras muy complejas.application/pdftext/plainengUniversidad Santo Tomáshttps://revistas.usantotomas.edu.co/index.php/estadistica/article/view/1430/2196https://revistas.usantotomas.edu.co/index.php/estadistica/article/view/1430/3609Comunicaciones en Estadística; Vol. 8 Núm. 1 (2015); 33-43Comunicaciones en Estadística; Vol. 8 No. 1 (2015); 33-432339-30762027-3355Método gráfico usando vecindades para detectar outliersGraphical method using neighborhoods for detecting outliersinfo:eu-repo/semantics/articlehttp://purl.org/coar/version/c_970fb48d4fbd8a85http://purl.org/coar/resource_type/c_2df8fbb1datos atípicos multivariablesmétodo de la distancia de Mahalanobismétodo de vecinos.http://purl.org/coar/access_right/c_abf211634/39597oai:repository.usta.edu.co:11634/395972023-07-14 16:09:28.749metadata only accessRepositorio Universidad Santo Tomásnoreply@usta.edu.co
dc.title.spa.fl_str_mv Método gráfico usando vecindades para detectar outliers
dc.title.alternative.eng.fl_str_mv Graphical method using neighborhoods for detecting outliers
title Método gráfico usando vecindades para detectar outliers
spellingShingle Método gráfico usando vecindades para detectar outliers
datos atípicos multivariables
método de la distancia de Mahalanobis
método de vecinos.
title_short Método gráfico usando vecindades para detectar outliers
title_full Método gráfico usando vecindades para detectar outliers
title_fullStr Método gráfico usando vecindades para detectar outliers
title_full_unstemmed Método gráfico usando vecindades para detectar outliers
title_sort Método gráfico usando vecindades para detectar outliers
dc.creator.fl_str_mv Correa Morales, Juan Carlos
López Ríos, Víctor Ignacio
dc.contributor.author.none.fl_str_mv Correa Morales, Juan Carlos
López Ríos, Víctor Ignacio
dc.subject.proposal.eng.fl_str_mv datos atípicos multivariables
método de la distancia de Mahalanobis
método de vecinos.
topic datos atípicos multivariables
método de la distancia de Mahalanobis
método de vecinos.
description We propose a new graphical method to help us to uncover  potential outliers in multivariate samples. The idea behind the method is to analyze the behavior of a growing neighborhood of each data point. This method is very robust and allows to find outliers in very complex structures.
publishDate 2015
dc.date.issued.none.fl_str_mv 2015-07-01
dc.date.accessioned.none.fl_str_mv 2022-01-18T16:06:50Z
dc.date.available.none.fl_str_mv 2022-01-18T16:06:50Z
dc.type.coarversion.fl_str_mv http://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.coar.fl_str_mv http://purl.org/coar/resource_type/c_2df8fbb1
dc.type.drive.none.fl_str_mv info:eu-repo/semantics/article
dc.identifier.none.fl_str_mv https://revistas.usantotomas.edu.co/index.php/estadistica/article/view/1430
10.15332/s2027-3355.2015.0001.02
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/11634/39597
url https://revistas.usantotomas.edu.co/index.php/estadistica/article/view/1430
http://hdl.handle.net/11634/39597
identifier_str_mv 10.15332/s2027-3355.2015.0001.02
dc.language.iso.none.fl_str_mv eng
language eng
dc.relation.none.fl_str_mv https://revistas.usantotomas.edu.co/index.php/estadistica/article/view/1430/2196
https://revistas.usantotomas.edu.co/index.php/estadistica/article/view/1430/3609
dc.relation.citationissue.spa.fl_str_mv Comunicaciones en Estadística; Vol. 8 Núm. 1 (2015); 33-43
dc.relation.citationissue.eng.fl_str_mv Comunicaciones en Estadística; Vol. 8 No. 1 (2015); 33-43
dc.relation.citationissue.none.fl_str_mv 2339-3076
2027-3355
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv http://purl.org/coar/access_right/c_abf2
dc.format.mimetype.none.fl_str_mv application/pdf
text/plain
dc.publisher.spa.fl_str_mv Universidad Santo Tomás
institution Universidad Santo Tomás
repository.name.fl_str_mv Repositorio Universidad Santo Tomás
repository.mail.fl_str_mv noreply@usta.edu.co
_version_ 1782026095413952512

Publicaciones similares