Resumen

En el análisis estadístico de datos, un modelo puede ajustarse mal con la presencia de valores atípicos. Además, está bien establecido el uso de residuos para la identificación de valores atípicos. Las propiedades asintóticas de los residuos pueden utilizarse para aportar herramientas de diagnóstico. Sin embargo, ahora es evidente que la mayoría de los métodos de diagnóstico existentes han fallado en la identificación de múltiples valores atípicos. Por lo tanto, este trabajo propone un método de diagnóstico para la identificación de múltiples valores atípicos en GLM, donde los métodos de detección de valores atípicos utilizados tradicionalmente no suponen ningún esfuerzo, ya que sufren el dilema de enmascaramiento o inundación. Por lo tanto, se llevó a cabo una investigación para determinar la capacidad del método GSCPR propuesto. Los resultados obtenidos a partir de los ejemplos numéricos indicaron que el rendimiento del método propuesto era satisfactorio para la identificación de múltiples valores atípicos. Mientras tanto, en el estudio de simulación, se consideraron dos escenarios para evaluar la validez del método propuesto. El método propuesto mostró sistemáticamente un mayor porcentaje de detección correcta, así como menores tasas de enmascaramiento e inundación, independientemente del tamaño de la muestra y de los niveles de contaminación.

• Materias:Análisis Matemático Matemáticas Algebra Ingeniería Lógica matemática
• Subjects:Mathematical Analysis mathematics Algebra Engineering Mathematical logic
• Palabras claves:Análisis estadístico; valores atípicos; residuos; métodos de diagnóstico; GLM; método GSCPR
• Keywords:Statistical analysis; outliers; residuals; diagnostic methods; GLM; GSCPR method