Datos y Decisiones Ciencia de datos aplicada

Inicio / Programa / Módulo 03

Módulo 03 · Unidad I

Outliers, robustez e influencia

Separar errores, rarezas válidas y observaciones influyentes con criterios estadísticos y de negocio.

Dedicación2 encuentros + laboratorio RequisitosMódulos 01 y 02

Centro del módulo

Índice interactivo

Abrí cada recurso y marcá el avance. El estado se conserva en tu navegador.

Presentaciones

Dos recorridos complementarios: primero diagnóstico, robustez e influencia; después métodos modernos de detección con Machine Learning. También podés recorrerlos directamente desde esta página.

Presentación Diapositivas 01 · Diagnóstico, robustez y tratamiento De la definición operativa a IQR, Z-score, MAD, influencia, tratamiento, series temporales y prevención de leakage. Abrir pantalla completa Presentación Diapositivas 02 · Métodos de detección con ML Comparación de Isolation Forest, LOF, One-Class SVM, Elliptic Envelope, DBSCAN y anomalía por reconstrucción. Abrir pantalla completa

Visor integrado. Abrí cada bloque para avanzar las diapositivas sin salir de Datos y Decisiones. Si preferís una vista más grande, usá “Abrir a pantalla completa”. Si Google solicita acceso, iniciá sesión desde “Abrir en Google Slides”.

Diapositivas 01 · Diagnóstico, robustez y tratamiento Reglas clásicas, influencia, decisiones de tratamiento y leakage
Abrir a pantalla completa Abrir en Google Slides
Diapositivas 02 · Métodos de detección con ML Aislamiento, densidad, fronteras, clustering y reconstrucción
Abrir a pantalla completa Abrir en Google Slides

Laboratorio de simulaciones

Compare reglas, geometrías, modelos y umbrales sobre escenarios controlados antes de elegir una intervención.

Simulación Outliers Lab · recorrido completo Centro de acceso a seis simulaciones sobre estadística robusta, influencia, rareza multivariada y detectores con ML. Abrir ahora Simulación Simulación 01 · IQR, Z-score y MAD Compare umbrales clásicos y robustos bajo simetría, asimetría y contaminación. Abrir ahora Simulación Simulación 02 · Influencia en regresión Mueva un punto y observe residuo, leverage, Cook y cambio de la recta. Abrir ahora Simulación Simulación 03 · Outlier multivariado Descubra observaciones normales por columna pero raras en la relación. Abrir ahora Simulación Simulación 04 · Isolation Forest Explore aislamiento, profundidad de partición, contaminación y score. Abrir ahora Simulación Simulación 05 · LOF y One-Class SVM Compare densidad local y fronteras de soporte sobre el mismo espacio. Abrir ahora Simulación Simulación 06 · Model Arena y costos Alinee ranking, threshold, tasa de alertas, errores y costo operativo. Abrir ahora

Laboratorios en Google Colab

Avance desde reglas clásicas hasta una comparación profesional de detectores y un caso aplicado de reservas hoteleras.

Google Colab Colab 01 · Fundamentos y sensibilidad Diagnóstico reproducible con IQR, visualización, comparación con y sin extremos y registro de decisiones. Abrir ahora Google Colab Colab 02 · Detectores con Machine Learning Isolation Forest, LOF, One-Class SVM, Elliptic Envelope, DBSCAN, PCA, métricas, threshold y ensemble de scores. Abrir ahora Google Colab Colab 03 · Distribuciones y Hotel Booking IQR, Z-score, MAD, Yeo-Johnson y tratamiento sobre datos sintéticos y un caso real de reservas hoteleras. Abrir ahora Google Colab Colab 04 · Atlas interactivo de outliers Recorrido visual por tipologías, fundamentos estadísticos, visualización, tratamiento, cuestionarios y glosario. Abrir ahora

Repaso y evaluación

Consolide el criterio con 30 preguntas desarrolladas y un glosario ampliado de consulta rápida.

Autoevaluación Cuestionario profesional de outliers Treinta preguntas explicadas sobre fundamentos, robustez, influencia, ML, evaluación y producción. Abrir ahora Consulta Glosario de outliers y detección de anomalías Sesenta y dos conceptos con buscador, categorías, fórmulas, ejemplos y errores frecuentes. Abrir ahora

Al completar el módulo

Resultados de aprendizaje

  • Definir rareza respecto de una distribución, relación, segmento o tiempo.
  • Comparar IQR, Z-score, MAD y criterios multivariados sin automatizar la eliminación.
  • Diferenciar residuo, leverage, influencia y anomalía respecto del modelo.
  • Seleccionar y evaluar detectores con ML según geometría, densidad, escala y objetivo.
  • Calibrar thresholds y justificar conservar, corregir, transformar, segmentar o excluir.

Marco conceptual

Ideas que organizan la práctica

01

La rareza necesita una referencia

Un caso puede ser extremo en una variable, improbable en una relación, raro entre sus vecinos o anómalo solo para un segmento o momento. Detectar exige declarar primero qué patrón se considera normal.

02

Robustez antes que automatismo

IQR y MAD resisten mejor la contaminación; Z-score funciona cuando media y desvío representan bien el proceso. Los umbrales son señales de inspección, no órdenes automáticas de borrado.

03

Rareza e influencia no son sinónimos

En regresión, un caso puede tener gran residuo, alta palanca o ambas. La distancia de Cook y la comparación con y sin el caso muestran si la observación cambia parámetros, predicciones o decisiones.

04

Los métodos de ML modelan rarezas distintas

Isolation Forest aísla; LOF compara densidades; One-Class SVM aprende una frontera; Elliptic Envelope usa covarianza robusta; DBSCAN trata ruido y PCA observa error de reconstrucción. Ninguno domina siempre.

05

Del score a una decisión auditable

Contaminación, percentiles, capacidad de revisión y costo de falsos positivos y negativos convierten un score en un threshold operativo. El preprocesamiento debe ajustarse solo con entrenamiento para evitar leakage.

Nivel profesional

Profundización aplicada

Estos temas conectan el fundamento con decisiones modernas, evaluación rigurosa y operación real.

01

Distancia de Mahalanobis robusta, leverage, Cook y sensibilidad de parámetros.

02

Rareza global, local y contextual por segmento, tiempo, canal o régimen.

03

Outlier detection frente a novelty detection y datos de referencia limpios.

04

Isolation Forest, LOF, One-Class SVM, Elliptic Envelope, DBSCAN y PCA.

05

Calibración de thresholds por etiquetas, capacidad, contaminación y costo.

Control de calidad

Errores frecuentes que invalidan la conclusión

  • Eliminar automáticamente todo punto marcado por una regla estadística.
  • Usar puntuación z en distribuciones muy asimétricas sin contraste robusto.
  • Ajustar escala, modelo o threshold con información del conjunto de test.
  • Comparar detectores con orientaciones de score o tasas de alerta diferentes.
  • Evaluar influencia sin contrastar conclusiones con y sin el caso.

Caso de negocio

Decidir con contexto

En reservas hoteleras, un lead time muy alto puede ser error, grupo legítimo o señal temprana de cancelación. El equipo debe contrastar distribución, segmento e impacto predictivo antes de intervenir.

Explorar en la simulación

Práctica guiada

Secuencia de laboratorio

  1. 01Verificar unidades, reglas, duplicados, temporalidad y procedencia.
  2. 02Comparar IQR, Z-score y MAD bajo distintas formas de distribución.
  3. 03Medir residuo, leverage, Cook y cambios del modelo con y sin el caso.
  4. 04Detectar rarezas multivariadas después de escalar y segmentar.
  5. 05Contrastar Isolation Forest, LOF y One-Class SVM con una referencia común.
  6. 06Calibrar el threshold y registrar tratamiento, impacto, límite y responsable.
Colab 01 · Fundamentos y sensibilidad Colab 02 · Detectores con Machine Learning Colab 03 · Distribuciones y Hotel Booking Colab 04 · Atlas interactivo de outliers Resolver cuestionario Diapositivas 01 · Diagnóstico, robustez y tratamiento Diapositivas 02 · Métodos de detección con ML
Desafío de transferencia

Tomar una decisión defendible

Construí un protocolo que separe error, evento raro válido, segmento especial, observación influyente y cambio de régimen; luego definí una acción y un responsable para cada clase.

  1. Escribí una hipótesis antes de calcular.
  2. Definí la evidencia que podría refutarla.
  3. Compará al menos dos escenarios.
  4. Terminá con acción, límite y responsable.
Producto del módulo

Entregable esperado

Informe de diagnóstico con bitácora de casos, comparación de detectores, threshold justificado, análisis de sensibilidad y recomendación de tratamiento.