"Eliminar outliers" es una práctica potencialmente peogroso!
Obviamente, si
se puede detectar
que un outlier es un error, se puede eliminarlo, pero en casos de duda --- y
muchos outliers son
datos verdaderos --- no se puede simplemente eliminar. Esto en lo meno
cambia las propiedades
de los métodos estadísticos, etc, algo que casi nunca se toma en serio.
¿Porque no piensas en usar métodos robustos?
Kjetil
On Fri, May 7, 2010 at 12:18, genaro llusco <gellusco@gmail.com> wrote:
> es decir no se elimina los datos outliers en series temporales como en
> datos de cross-section?
>
> _______________________________________________
> R-help-es mailing list
> R-help-es@r-project.org
> https://stat.ethz.ch/mailman/listinfo/r-help-es
>
--
The good Christian should beware of mathematicians, and all those who make
empty prophecies. The danger already exists that the mathematicians have
made a covenant with the devil to darken the spirit and to confine man in
the bonds of Hell.
St. Augustine, De Genesi ad Litteram, Book II, xviii, 37
[[alternative HTML version deleted]]