Resumen

La prueba de Grubbs (prueba de desviación estandarizada extrema, prueba de residuo normalizado máximo) se utiliza en varios campos para identificar valores atípicos en un conjunto de datos, los cuales se clasifican en orden de importancia. Sin embargo, la clasificación de los datos elimina la secuencia real de una serie de datos, lo cual es un factor importante para determinar valores atípicos en algunos casos (por ejemplo, series temporales). Por lo tanto, en un conjunto de datos de este tipo, la prueba de Grubbs no identificará correctamente los valores atípicos. Este documento presenta una técnica para transformar los datos de una forma lineal ligada a la secuencia a una forma no ligada a la secuencia. Aplicando la prueba de Grubbs al nuevo conjunto de datos transformados, se detectan los valores atípicos de manera más precisa. Además, la nueva técnica mejora la capacidad de detección de valores atípicos de la prueba de Grubbs. Los resultados muestran que la prueba de Grubbs fue capaz de identificar valores atípicos a un nivel de signific

• Materias:Algoritmo de búsqueda Características infrarrojas Retraso difuso Efecto de termoforesis Interpolación
• Subjects:Search algorithm Infrared features Fuzzy delay Thermophoresis effect Interpolation
• Palabras claves:Prueba de grubbs; Valores atípicos; Conjunto de datos; Clasificación; Secuencia; Transformación
• Keywords:Grubbs test; Outliers; Data set; Ranking; Sequence; Transformation