INSTRUMENTACIÓN INDUSTRIAL 71666 – Período: 2022-1

UNIVERSIDAD DEL ATLÁNTICO - Barranquilla, Colombia

Programa de Ingeniería Mecánica - Prof: Dr. Javier Roldán Mckinley

Taller lectura dirigida: Valores Extraños en

un Conjunto de Medidas (Outliers)

Nombre 1:

Nombre 2:

1. ESTRUCTURA DEL TALLER

Esta actividad pretende complementar el tema Detectando

medidas extrañas en un conjunto de mediciones, por lo cual
usted debe primero realizar la lectura antes de tener las
herramientas conceptuales para la parte final del taller.

2. INTRODUCCIÓN

Una vez que ha sido determinada la cantidad de mediciones

requerida para establecer las condiciones de calibración
del instrumento medida, el siguiente paso es saber
determinar si un conjunto de medidas determinado contiene
alguna medición extraña, conocido en Estadística como
outliers.

El origen de tales valores extraños no carece de

fundamento, pues acciones al momento de la captura de las
mediciones de diversa índole podrían afectar un conjunto
de datos. Entre otros factores de introducción de valores
extraños se tienen: distracción o cansancio por parte del
instrumentista al momento de la captura visual o consigna
en el medio de almacenamiento, campos perturbadores de
instrumento de manera instantánea, vibraciones no
deseadas, campos que alteren de manera instantánea el
proceso de conversión de señal.
Nota aclaratoria de la entrega: Para facilitar el desarrollo
de la solución, este archivo se ha suministrado en formato
Word. Favor incluir las ecuaciones utilizadas y cálculos en la
siguiente página.

3. DETECCIÓN DE OUTLIERS EN INSTRUMENTACIÓN

 INSTRUMENTACIÓN INDUSTRIAL 71666 – Período: 2022-1
UNIVERSIDAD DEL ATLÁNTICO - Barranquilla, Colombia
Programa de Ingeniería Mecánica - Prof: Dr. Javier Roldán Mckinley

Taller lectura dirigida: Valores Extraños en

un Conjunto de Medidas (Outliers)

Dentro de las limitantes típicas de los datos usados en

instrumentación industrial se tiene la falta de acceso a datos
históricos de los instrumentos; y por ende falta de datos
asociados a una "población" de mediciones para un instrumento,
la cual cambia cada vez que el instrumento genera una
medición. En este caso, se depende de la información que el
fabricante sea capaz de suministrar acerca de la primera
calibración del instrumento, o su ecuación de conversión para
instrumentos electrónicos.

Por lo anterior, el manejo estadístico de los datos de

calibración se centra, la gran mayoría de los casos, en el
análisis de muestras, bajo la asunción que los datos obedecen
una distribución normal, lo cual es usual en datos de
Ingeniería y Ciencias. Bajo este escenario, el criterio de
Chauvenet ofrece una alternativa adecuada de detección de
valores extraños.

4. CRITERIO DE CHAUVENET

Para muestras que siguen una distribución normal, la

estadística finita proporciona las herramientas para estimados
adecuados acerca de ese conjunto de datos. Mientras que la
estadística infinita proporciona la descripción de la conducta
de una población de una variable, la estadística finita lo
hace para el conjunto de datos.

Para una muestra de tamaño n, con datos medidos {x 1, x2, x3,…,

xn}, la estadística de conjunto de datos finitos permite
estimar el valor de la media de la media de la muestra x ,la
varianza de la muestra s2x, y la desviación estándar de la
muestra sx, con las ecuaciones (1), (2) y (3), respectivamente.
n
1
x= ∑ x i (1)
n i =1

n
1
2
sx= ∑
n−1 i=1
( xi −x )
2
(2)

s x =√ ❑ (3)

Los datos que reposan fuera de la probabilidad normal de

ocurrencia asociada a la muestra, desplazan de manera errónea
 INSTRUMENTACIÓN INDUSTRIAL 71666 – Período: 2022-1
UNIVERSIDAD DEL ATLÁNTICO - Barranquilla, Colombia
Programa de Ingeniería Mecánica - Prof: Dr. Javier Roldán Mckinley

Taller lectura dirigida: Valores Extraños en

un Conjunto de Medidas (Outliers)

el valor de la media de la muestra x , aumentan los estimados

de la incertidumbre aleatoria, y alteran los valores de los
coeficientes de la correlación lineal con mínimos cuadrados.

El criterio de Chauvenet para detección de valores extraños,

se basa en la identificación de datos que tiene una
probabilidad de ocurrencia, p, en la ecuación (4), menor a
0.5/n. Se debe comparar p con la probabilidad de ocurrencia
del dato xi asociada a la naturaleza normal de la distribución
P(z0i), donde el valor estadístico z0i es calculado con (5), y
P(z0i) es leído de la Tabla 1.

1
p= (4)
2n

|x i−x| (5)
z 0 i=
sx
 INSTRUMENTACIÓN INDUSTRIAL 71666 – Período: 2022-1
UNIVERSIDAD DEL ATLÁNTICO - Barranquilla, Colombia
Programa de Ingeniería Mecánica - Prof: Dr. Javier Roldán Mckinley

Taller lectura dirigida: Valores Extraños en

un Conjunto de Medidas (Outliers)

Tabla 1: Valores de probabilidad para la función de error

normal P ( z 1) = 1 , integral de un lado, ilustrado en la Figura 1;
❑ √
x−x '
donde β: variada normal estandarizada dada por β= , con
σ
x’: verdadero valor medio de la población atribuida y σ:
desviación estándar de la población atribuida. Tabla extraída
de [1] con fines didácticos.

Un pseudo-algoritmo del criterio de Chauvenet se presenta a

continuación.
 INSTRUMENTACIÓN INDUSTRIAL 71666 – Período: 2022-1
UNIVERSIDAD DEL ATLÁNTICO - Barranquilla, Colombia
Programa de Ingeniería Mecánica - Prof: Dr. Javier Roldán Mckinley

Taller lectura dirigida: Valores Extraños en

un Conjunto de Medidas (Outliers)

1. Compute el valor normalizado asociado a la medición xi,

dado por la ecuación (1):
|x i−x|.
z 0 i=
sx
2. Lea P(z0i) de la Tabla 4.1.
3. Evalúe el condicional
0.5
1−2 P ( z 0 i) <
n

Si 1−2 P ( z 0 i) < 0.5 n entonces

Descarte el dato xi del conjunto de datos
Recalcule x ecuación (3.1), s x ecuación (3.2)
Vuelva al paso 1
sino
La lectura xi no es un outlier
Fin

Se resalta del pseudo-algoritmo presentado, que la detección

de valores extraños en un conjunto de medidas con el método de
Chauvenet es un proceso iterativo que requiere algunas veces
del descarte de algunos datos, por lo cual se alterarán el
tamaño de la muestra n, la media de la muestra x , y la
desviación estándar de la muestra sx.

5. COMPONENTE PRÁCTICO DEL TALLER DIRIGIDO

Considere los datos tomados para la presión de aire de

neumático con un medidor manual de muy bajo costo. Evalúe el
conjunto de datos para posibles datos extraños con el criterio
de Chauvenet, asumiendo que cada medición es tomada bajo las
mismas condiciones. Use hasta la tercera cifra significativa.

i 1 2 3 4 5 6 7 8 9 10

xi
28 32 27 28 28 24 29 28 19 27
[psi]

Tabla 2: Mediciones de presión de aire de neumático tomadas

SOLUCIÓN
 INSTRUMENTACIÓN INDUSTRIAL 71666 – Período: 2022-1
UNIVERSIDAD DEL ATLÁNTICO - Barranquilla, Colombia
Programa de Ingeniería Mecánica - Prof: Dr. Javier Roldán Mckinley

Taller lectura dirigida: Valores Extraños en

un Conjunto de Medidas (Outliers)

Se hallan la media de la muestra x y la desviación estándar de

la muestra sx, para ello se usa un código de Octave mostrado en
el cuadro Código 1.

Archivo .m:
clc; clear all; close all;
x = [28, 32, 27, 28, 28, 24, 29, 28, 19, 27]
% Tamaño de muestra
n = length(x)
% Media
Prom_x = sum(x)/n
% DesviaciOn std de la muestra
Desv_std = sqrt((sum((x - Prom_x).^2))/(n-1))

Command Window:
x =

28 32 27 28 28 24 29 28 19 27
n = 10
Prom_x = 27
Desv_std = 3.4319
Z =

0.2914 1.4569 0 0.2914 0.2914 0.8742

0.5828 0.2914 2.3311 0

Código 1

Es aparente que de la Tabla 2, x9=19 pueda ser un valor

extraño. Sin embargo, se evaluarán todos los datos por
completitud. La Tabla 3 resume el cálculo del parámetro z0, la
probabilidad leída de la Tabla 1 y la evaluación de la
desigualdad asociada al criterio de Chauvenet. El cuadro
código 2 muestra el código con el cual se generaron algunos
datos de la Tabla 3.

0.5/n; ¿1-2P(zi)
xi ¿Outlier?
i zi P(zi) 1-2P(zi) < 0.5/n?
[psi] n=10
Si o No
Si o No

1 28 0.29 0.1141 0.772 0.05 No No

2 32 1.46 0.4279 0.144 0.05 No No

 INSTRUMENTACIÓN INDUSTRIAL 71666 – Período: 2022-1
UNIVERSIDAD DEL ATLÁNTICO - Barranquilla, Colombia
Programa de Ingeniería Mecánica - Prof: Dr. Javier Roldán Mckinley

Taller lectura dirigida: Valores Extraños en

un Conjunto de Medidas (Outliers)

3 27 0 0.05

4 28 0.29 0.05

5 28 0.29 0.05

6 24 0.87 0.05

7 29 0.58 0.05

8 29 0.29 0.05

9 19 2.33 0.05

10 27 0 0.05

Tabla 3: Aplicación del criterio de Chauvenet a cada dato

Código 2

Considerando que xi=X es un valor extraño del conjunto de datos

original, este debe ser descartado, lo cual conlleva a volver
a hacer los cálculos para el nuevo conjunto de datos medidos
de la Tabla 4.

i 1 2 3 4 5 6 7 8 9

xi
[psi]

Tabla 4: Nuevo conjunto de mediciones presión de aire de

neumático tomadas

En el espacio siguiente, usted debe evaluar la presencia de

posibles valores extraños en el nuevo conjunto de mediciones
en la Tabla 4. Puede basarse en los códigos proporcionados,
pero usted debe mostrarlos, junto con su salida en el Command
Window, tal como se mostró en los pasos previos. De hecho, se
sugiere utilizar los códigos proporcionados para facilitar el
 INSTRUMENTACIÓN INDUSTRIAL 71666 – Período: 2022-1
UNIVERSIDAD DEL ATLÁNTICO - Barranquilla, Colombia
Programa de Ingeniería Mecánica - Prof: Dr. Javier Roldán Mckinley

Taller lectura dirigida: Valores Extraños en

un Conjunto de Medidas (Outliers)

trabajo. El procedimiento acaba cuando no hay valores extraños

en el conjunto de datos final. Cargar este archivo de Word en
pdf, en la plataforma SICVI, incluyendo el desarrollo
solicitado.

Espacio para desarrollo

REFERENCIAS

[1] R. Figliola and D. Beasley. Theory and Design for

Mechanical Measurements, 5th ed. USA: Wiley, 2011.