Algoritmos de búsqueda de proyección para detectar valores atípicos
Autor | Maria Inés Stimolo, Pablo Arnaldo Ortiz |
Cargo | Universidad Nacional de Córdoba, Argentina |
Páginas | 51-65 |
Articles
Projection pursuit algorithms to detect outliers*
Algoritmos de búsqueda de proyección para detectar valores atípicos
Algoritmos de busca de projeção para detectar valores atípicos
Maria Inés Stimolo a
Universidad Nacional de Córdoba, Argentina
maria.ines.stimolo@unc.edu.ar
ORCID: http://orcid.org/0000-0001-7277-1638
Pablo Arnaldo Ortiz
Universidad Nacional de Córdoba, Argentina
ORCID: http://orcid.org/0000-0002-3777-0653
DOI: https://doi.org/10.11144/Javeriana.cao33.ppado
Date received: 26/08/2019
Date accepted: 20/10/2019
Date published: 20/05/2020
Abstract:
In this paper, we compare the methods proposed by Peña and Prieto (2001), and Filzmoser, Maronna, and Werner (2008) to
detect outliers in a set of Argentine companies that quote their shares in the Stock Exchange. A signicant heterogeneity
between observations can be a consequence of the presence of outliers. e detection of outliers is an important task for the
statistical analysis since they distort descriptive measures and parameters estimators. ere are different multivariate methods to
detect outliers, such as distance-based methods and projection pursuit methods.
JEL Codes: C81, M29.
Keywords: outliers, projection pursuit, Kurtosis, Argentinian companies.
Resumen:
En este trabajo se comparan los métodos propuestos por Peña y Prieto (2001) y Filzmoser, Maronna y Werner (2008) para
detectar datos atípicos en empresas argentinas que cotizan sus acciones en el Mercado de Valores. La heterogeneidad signi
cativa entre observaciones puede ser una consecuencia de la presencia de datos atípicos. La detección de datos atípicos es
importante en el análisis estadístico por su efecto en la distorsión de las medidas descriptivas y en los estimadores de los
parámetros. Existen distintos métodos multivariados para detectar datos atípicos, tales como los métodos basados en la distancia
o los métodos de búsqueda de proyecciones.
Códigos JEL: C81, M29.
Palabras clave: datos atípicos, búsqueda de proyecciones, curtosis, empresas argentinas.
Resumo:
Este trabalho compara os métodos propostos por Peña e Prieto (2001), e Filzmoser, Maronna e Werner (2008) para detectar
dados atípicos em empresas argentinas que cotizam suas ações no Mercado de Valores. A heterogeneidade signicativa entre
observações pode ser uma consequência da presença de dados atípicos. A detecção de dados atípicos é importante na análise
estatística por seu efeito na distorção das medidas descritivas e nos estimadores dos parâmetros. Existem distintos métodos
multivariados para detectar dados atípicos, tais como os métodos baseados na distância ou os métodos de busca de projeções.
Códigos JEL: C81, M29.
Palavras-chave: outliers, busca de projeções, curtose, empresas argentinas.
Introduction
Databases oen show outliers observations, which present a different behavior from the majority. It is
important to detect these observations since they affect the data analysis in different ways. In this respect,
Uriel Jiménez and Aldás Manzano (2005) point out:
Author notes
a Corresponding author. E-mail: maria.ines.stimolo@unc.edu.ar
Para continuar leyendo
Solicita tu prueba