Seleccionar las opciones de análisis para Prueba de valores atípicos

Estadísticas > Estadísticas básicas > Prueba de valores atípicos > Opciones

Especifique la prueba, especifique el nivel de significancia y seleccione la hipótesis alternativa.

Prueba de valores atípicos

Todas las pruebas de valores atípicos de Minitab están diseñadas para detectar un único valor atípico en una muestra. Por lo general, la prueba de Grubbs funciona adecuadamente. Sin embargo, si una muestra contiene más de un posible valor atípico, entonces la prueba de Grubbs y la relación Q de Dixon podrían no ser efectivas.

No realice más de una prueba de valores atípicos a sus datos. Si realiza una prueba de valores atípicos, elimina un valor atípico que la prueba identifique y luego efectúa una segunda prueba de valores atípicos, corre el riesgo de eliminar valores que realmente no son valores atípicos. Para evitar ese riesgo, elija el tipo de prueba de valores atípicos que sea más adecuada para su situación:
  • Si no sabe si los datos incluyen valores atípicos, utilice la prueba de Grubbs.
  • Si sabe que los datos incluyen uno o más valores atípicos, utilice una de las pruebas de Dixon. Las pruebas de Dixon están diseñadas para superar el efecto de enmascaramiento que pueden causar múltiples valores atípicos posibles.

En la siguiente ilustración, cada columna muestra la manera en que las diferentes pruebas de relación de Dixon tratan la misma muestra. El valor encerrado en un círculo es el posible valor atípico. Las X indican qué valores de datos ignora cada prueba de relación de Dixon cuando calcula el estadístico de prueba. (Esta ilustración presupone que la hipótesis alternativa es El valor más pequeño o más grande de los datos es un valor atípico o El valor más grande de los datos es un valor atípico.) Para estos datos, la prueba de relación r22 de Dixon tiene mayor probabilidad de identificar el valor dentro del círculo como un valor atípico.

Las muestras más grandes de una población normal tienen mayor probabilidad de incluir valores extremos. Dixon propuso las siguientes directrices generales para las relaciones.

Tamaño de la muestra (n) Relación recomendada
r10 (también denominada relación Q de Dixon)
r11
r21
r22

Nivel de significancia

Compare el nivel de significancia con el valor p para decidir si puede rechazar o no la hipótesis nula (H0). Si el valor p es menor que el nivel de significancia, la interpretación habitual es que los resultados son estadísticamente significativos y usted rechaza H0.

Por lo general, un nivel de significancia (denotado como α o alfa) de 0.05 funciona adecuadamente. Un nivel de significancia de 0.05 indica un riesgo de 5% de concluir que existe una diferencia cuando no hay una diferencia real.
  • Elija un nivel de significancia más alto, como por ejemplo 0.10, para estar más seguro de detectar cualquier diferencia que pueda existir. Por ejemplo, un ingeniero especializado en calidad compara la estabilidad de nuevos rodamientos de esferas con la estabilidad de los rodamientos actuales. El ingeniero debe estar sumamente seguro de que los nuevos rodamientos de esferas son estables, porque rodamientos inestables podrían causar un desastre. Escoge un nivel de significancia de 0.10 para estar más seguro de detectar cualquier posible diferencia en la estabilidad de los rodamientos.
  • Elija un nivel de significancia más bajo, como por ejemplo 0.01, para estar más seguro de detectar solo una diferencia que realmente exista. Por ejemplo, un científico de una compañía farmacéutica debe estar muy seguro de que la afirmación de que el nuevo medicamento de la empresa reduce significativamente los síntomas es verdadera. El científico escoge un nivel de significancia de 0.001 para estar más seguro de que existe una diferencia significativa en los síntomas.

¿Qué desea deteminar? (hipótesis alterna)

En ¿Qué desea deteminar? (hipótesis alterna), seleccione una de las siguientes pruebas de hipótesis alternativas:
  • El valor más pequeño o más grande de los datos es un valor atípico: Utilice esta prueba bilateral cuando el valor de datos más pequeño o el valor de datos más grande pudiera ser un valor atípico. Esta prueba bilateral puede detectar valores atípicos del valor de datos más pequeño o más grande, pero tiene menos potencia que una prueba unilateral.
  • El valor más pequeño de los datos es un valor atípico: Utilice esta prueba unilateral cuando sospeche que el valor de datos más pequeño es un valor atípico. Esta prueba unilateral tiene mayor potencia que una prueba bilateral, pero no puede detectar valores atípicos que sean el valor de datos más grande.
  • El valor más grande de los datos es un valor atípico: Utilice esta prueba unilateral cuando sospeche que el valor de datos más grande es un valor atípico. Esta prueba unilateral tiene mayor potencia que una prueba bilateral, pero no puede detectar valores atípicos que son el valor de datos más pequeño.
Al utilizar este sitio, usted acepta el uso de cookies para efectos de análisis y contenido personalizado.  Leer nuestra política