@proffernandamaciel

Outliers são valores incomuns em

seu conjunto de dados. Eles podem
distorcer as análises estatísticas e
violar suas suposições.

Ao encontrar outliers, analistas

precisam tomar uma decisão quanto
ao que fazer com eles.

@proffernandamaciel
Como podem causar problemas, é
comum pensar que é melhor
removê-los de seus dados.

Mas, nem sempre é esse o caso. A

remoção de outliers é válida
somente em casos específicos.

@proffernandamaciel
O primeiro passo é avaliar se o
outlier é um erro de medida:
- Algo incomum aconteceu durante a
medição dessas observações?
- Existe algo muito diferente sobre
uma observação, seja uma pessoa,
item ou transação?
- Ocorreram erros de medição ou de
input de dados?

@proffernandamaciel
No geral, é melhor manter um
outlier. Já que não é um erro
(verificado anteriormente), ele é
uma observação de valor no seu
estudo.

@proffernandamaciel
Exclua o outlier se é um erro de
medida ou de digitação, por
exemplo, ou se não é parte da
população de estudo (tem
propriedades incomuns).

Se for remover, documente na sua

pesquisa, explicando o ocorrido.

@proffernandamaciel
Outra opção é realizar a análise com
e sem essas observações e discutir as
diferenças.

Comparar os resultados dessa

maneira ajuda quando você não tem
certeza sobre a remoção de um
outlier e quando não há acordo no
seu grupo sobre esta questão.

@proffernandamaciel
@proffernandamaciel