Nivel 7 · Valores atípicos en una columna de cantidades

Un valor atípico es un valor lejos del resto. A veces es un error (una cantidad de 100000 por un dedo en la tecla del cero), a veces es real y la fila más interesante de la hoja (un cliente de empresa que pide 12 tacos de cuchillos). Tu trabajo es distinguirlos y evitar que un solo valor erróneo distorsione todos los resúmenes.

Esta hoja contiene las líneas de pedido reales de cocina del 9 al 15 de junio de 2025, con un cambio que hicimos para reflejar un clásico desliz de exportación: la línea 22524 (fila 24) tiene realmente una cantidad de 1; aquí dice 100000. La línea 22567 de la fila 35, con una cantidad de −1, es un error de captura real de los propios registros de la tienda.

Cómo mueve un valor el promedio

Fórmula	Resultado
=AVERAGE(E2:E39)	2,633.74
=MEDIAN(E2:E39)	1.5
=AVERAGEIF(G2:G39,"<>error",E2:E39)	2.31

El promedio suma todos los valores y divide entre 38, así que el único 100000 aporta unas 2,632 unidades. A la mediana solo le importa el centro de la lista ordenada, y el centro no se mueve cuando crece el valor más alto. Por eso el informe que vio Debra era absurdo, y por eso una mediana es la cifra “típica” honesta para una columna que aún no has limpiado.

Regla 1: qué es posible

Algunos valores son imposibles, digan lo que digan los demás datos. Una línea no puede enviar menos de 1 unidad. La línea más grande de la historia de la tienda es de 16 unidades, así que 50 es un techo generoso. Son reglas de negocio, así que viven en celdas con etiqueta (J1 y J2) donde un gerente puede leerlas y cambiarlas:

=OR(E2<$J$1,E2>$J$2)

Es TRUE para la fila 24 (100000) y la fila 35 (−1).

Regla 2: qué es inusual para estos datos

Una regla estadística no necesita conocimiento del negocio. El método del rango intercuartílico (IQR) toma la mitad central de los datos y marca todo lo que queda muy fuera:

J4   =QUARTILE.INC(E2:E39,1)      Q1, a quarter of the values are at or below it: 1
J5   =QUARTILE.INC(E2:E39,3)      Q3, three quarters are at or below it: 2
J6   =J5+1.5*(J5-J4)              the upper fence: 2 + 1.5 × 1 = 3.5

El límite inferior, Q1 − 1.5 × IQR, es −0.5 aquí; la regla 1 ya cubre ese lado. Los cuartiles salen del centro de los datos, así que el 100000 apenas los toca: con la cantidad real de 1 en la fila 24, Q1 y Q3 son los mismos.

El puntaje z es la otra prueba común: =STANDARDIZE(E2,AVERAGE(E2:E39),STDEV.S(E2:E39)), con |z| por encima de 3 considerado un valor atípico. Marca el 100000 (z ≈ 6.0) pero da al −1 un z de −0.16, porque el error de tecleo infla la desviación estándar con la que se mide. En una columna con un error enorme, la regla de cuartiles es la más estable.

Una etiqueta por línea

G2   =IF(OR(E2<$J$1,E2>$J$2),"error",IF(E2>$J$6,"unusual","ok"))

El orden importa: prueba primero los errores, para que el 100000 se llame error y no simplemente inusual. La columna termina con 2 errores, 5 líneas inusuales (cantidades de 4, 8 y 12) y 31 ok. Las inusuales son pedidos reales: búscalas antes de que nadie las “corrija”. En Excel, un diagrama de cajas (Insertar > Insertar gráfico de estadísticas > Cajas y bigotes, Excel 2016 y posterior) dibuja los mismos límites como imagen.

Errores comunes

• Borrar los valores atípicos. Márcalos, revisa el origen y luego corrige o excluye con una razón. Una fila borrada no se puede comprobar.
• Reemplazar el error con el promedio. El promedio incluye el error. Si tienes que rellenar, usa la mediana y etiqueta la fila como en el nivel 6.
• Una sola regla. El límite por sí solo llamaría “ok” al −1. La regla de negocio por sí sola atrapa ambos errores pero no puede decirte qué pedidos reales son inusuales.
• Informar del promedio de una columna sucia. Un error de tecleo convirtió 2.31 en 2,633.74.