Un valor atípico es una observación que se aleja tanto del resto que distorsiona el análisis. Se detecta con tres criterios estándar —el rango intercuartílico de Tukey, la puntuación z y la distancia de Mahalanobis— y se trata según su origen: se corrige si es un error, se conserva si es real y solo se elimina cuando se documenta el motivo.
Paso 1: decide la regla antes de mirar los datos
El orden importa más que la técnica. Si defines el criterio después de ver qué casos te molestan, estás haciendo el análisis al revés y cualquier tribunal con formación estadística lo detectará. Aguinis, Gottfredson y Joo, en su revisión de referencia sobre el tratamiento de outliers publicada en Organizational Research Methods (2013), documentan hasta catorce definiciones distintas en uso: precisamente por eso hay que fijar la tuya de antemano.
Escribe en el apartado de análisis, antes de ejecutar nada: qué criterio usarás, qué harás con los casos detectados y si repetirás el análisis con y sin ellos.
Paso 2: detecta los atípicos univariantes con el criterio de Tukey
Es el método por defecto y el que genera el diagrama de caja. Se basa en el rango intercuartílico (RIC = Q3 − Q1):
- Atípico moderado: por debajo de Q1 − 1,5 × RIC o por encima de Q3 + 1,5 × RIC.
- Atípico extremo: por debajo de Q1 − 3 × RIC o por encima de Q3 + 3 × RIC.
Los umbrales de 1,5 y 3 proceden de la propuesta original de John Tukey en Exploratory Data Analysis (1977) y siguen siendo la convención. En SPSS los obtienes con Analizar → Estadísticos descriptivos → Explorar, marcando el diagrama de caja; en jamovi, con Exploration → Descriptives → Box plot. En Excel se calculan con las funciones CUARTIL.EXC sobre la columna.
Paso 3: comprueba con la puntuación z
Convierte cada valor a desviaciones típicas respecto a la media. El umbral habitual en trabajos con muestras medianas es |z| > 3,29, correspondiente a p < 0,001 en una distribución normal, siguiendo la recomendación clásica de Tabachnick y Fidell. Con muestras pequeñas (n < 50) suele usarse |z| > 2,5, porque la propia media y la desviación típica están contaminadas por el atípico.
Ese es el punto débil del método: el caso extremo infla la desviación típica que se usa para juzgarlo, lo que puede enmascararlo. Por eso el criterio de Tukey, basado en cuartiles, es más robusto y conviene usar ambos.
Paso 4: busca atípicos multivariantes con la distancia de Mahalanobis
Un caso puede ser perfectamente normal en cada variable por separado y absurdo en la combinación de todas: una persona de 19 años con 25 años de experiencia laboral no llama la atención en ninguna de las dos columnas aisladas.
La distancia de Mahalanobis mide esa rareza conjunta. Se compara con la distribución chi-cuadrado con tantos grados de libertad como variables incluidas, usando el umbral p < 0,001. En SPSS se obtiene desde Regresión lineal → Guardar → Distancias de Mahalanobis. Es el paso obligatorio antes de una regresión múltiple o un análisis factorial.
Paso 5: clasifica el atípico según su origen
Antes de tocar nada, decide a qué categoría pertenece. La decisión de tratamiento depende de esto y de nada más.
| Tipo de atípico | Ejemplo en una encuesta de TFG | Tratamiento correcto |
|---|---|---|
| Error de entrada | Edad = 220; escala de 1 a 5 con un valor de 55 | Corregir si es recuperable; si no, tratarlo como dato perdido |
| Error de muestreo | Responde alguien fuera de la población objetivo | Eliminar y declarar el criterio de exclusión |
| Respuesta no atenta | Patrón en línea recta o tiempo de respuesta de 40 segundos en 60 ítems | Eliminar con criterio previo (tiempo mínimo, ítems de control) |
| Valor extremo legítimo | Un participante con una puntuación realmente muy alta | Conservar; usar métodos robustos o transformación |
| Atípico de modelo | Caso con residuo enorme solo en tu regresión | Reportar análisis con y sin el caso |
Paso 6: aplica el tratamiento y documéntalo
Tienes cuatro opciones defendibles, en orden de menor a mayor intervención:
- Conservar y reportar. Si el valor es real y el análisis no cambia sustancialmente, lo mejor es no tocarlo y decirlo.
- Análisis de sensibilidad. Ejecuta el análisis con y sin los atípicos y presenta ambos. Si las conclusiones coinciden, tu resultado es robusto y eso es un argumento fuerte en la defensa.
- Winsorización. Sustituye el valor extremo por el percentil 5 o 95 en lugar de eliminarlo. Conserva el tamaño muestral y reduce la influencia.
- Eliminación. Solo con criterio previo declarado y siempre indicando cuántos casos se eliminaron y por qué.
Si el atípico procede de un error irrecuperable, el caso pasa a ser un dato faltante y entra en el circuito de la imputación de datos perdidos, no en el de la eliminación silenciosa.
Paso 7: revisa cómo afecta al resto del análisis
Los atípicos son la causa más frecuente de que una prueba de normalidad salga rechazada y de que la asimetría y la curtosis se disparen. Antes de asumir que tus datos no son normales y saltar a pruebas no paramétricas, comprueba si el problema son tres casos concretos.
También afectan a la fiabilidad: unos pocos patrones de respuesta erráticos pueden hundir el alfa de Cronbach de tu cuestionario y llevarte a descartar una escala que en realidad funciona.
Qué escribir exactamente en el TFG
Una frase modelo, adaptable a tu caso: «Se inspeccionaron los datos en busca de valores atípicos univariantes mediante el criterio de Tukey (1,5 × RIC) y puntuaciones z (|z| > 3,29), y multivariantes mediante la distancia de Mahalanobis (p < 0,001). Se detectaron cuatro casos, de los cuales dos correspondían a errores de codificación —corregidos a partir del registro original— y dos a valores extremos legítimos, que se conservaron. El análisis se repitió con y sin estos dos casos, sin variaciones en las conclusiones.»
Esa frase, con tus números, cubre las tres preguntas que hará el tribunal: qué criterio usaste, qué encontraste y qué hiciste con ello. Si quieres acelerar la redacción del apartado de análisis manteniendo la coherencia con el resto del método, Tesify ayuda a estructurarlo y a mantener el formato de citas uniforme mientras tú decides el criterio estadístico.
Preguntas frecuentes
¿Puedo eliminar los valores atípicos de mi encuesta?
Solo si el criterio se definió antes de ver los datos y se documenta en el trabajo, indicando cuántos casos se eliminaron y por qué. Eliminar casos porque estropean el resultado esperado es una práctica de investigación cuestionable.
¿Qué umbral se usa para considerar un dato atípico?
Los tres criterios estándar son el rango intercuartílico de Tukey (1,5 × RIC para atípicos moderados y 3 × RIC para extremos), la puntuación z con |z| mayor que 3,29 y la distancia de Mahalanobis con p menor que 0,001 para casos multivariantes.
¿Qué es la winsorización?
Es sustituir los valores extremos por el valor del percentil elegido, habitualmente el 5 y el 95, en lugar de eliminarlos. Mantiene el tamaño muestral intacto y reduce la influencia del caso extremo sobre la media y la varianza.
¿Un atípico puede ser un dato válido?
Sí, y es lo más frecuente. Un valor extremo legítimo representa una parte real de la población. Eliminarlo sesga los resultados hacia la homogeneidad y empobrece las conclusiones; lo correcto es conservarlo y hacer un análisis de sensibilidad.
¿Cómo detecto respuestas no atentas en un cuestionario online?
Con tres señales combinadas: tiempo total de respuesta por debajo de un mínimo definido de antemano, patrones de respuesta en línea recta a lo largo de toda la escala e ítems de control cuya respuesta correcta es conocida. El criterio debe fijarse antes de recoger los datos.
Escribe tu TFG o tesis con IA
Pasa de la teoría a tu documento terminado
Tesify estructura, redacta y formatea tu TFG, TFM o tesis en normas APA y Vancouver, con bibliografía automática y verificación antiplagio integrada. Regístrate gratis, sin tarjeta.
Deja una respuesta