Un participante tarda veinte minutos en terminar una tarea que los demás completan en dos. Eliminar el resultado haría que el gráfico quedara más limpio, pero también podría borrar la experiencia más relevante del estudio. La primera pregunta debe ser qué ha pasado, no qué regla de descarte nos da una media más cómoda.
Un valor atípico es una observación inusualmente alejada del resto de valores o del patrón que describe un modelo. Puede tratarse de un error, de un caso extremo totalmente legítimo o de una señal de que el modelo asumido no encaja bien con los datos.
Investiga el origen del valor inusual
En un estudio de usabilidad hipotético, un tiempo de tarea excesivo podría deberse a un temporizador que se quedó en marcha durante una pausa, a un error de registro o a verdaderas dificultades con la interfaz. Revisa el material de origen y cómo se definió la métrica antes de decidir qué explicación tiene más sentido.
La guía del NIST sobre detección de valores atípicos diferencia entre identificar observaciones inusuales y decidir qué hacer con ellas. Una alerta estadística es una invitación a investigar, no una prueba de que el dato no sea válido.
Ten en cuenta el contexto y la distribución. Una compra grande puede ser lo habitual en una cuenta de empresa y algo insólito en un plan individual. Aplicar el mismo umbral a ambos grupos puede hacer que descartes justo la variación que necesitas entender en el análisis.
Elige un tratamiento que encaje con la pregunta
Si confirmas un error y puedes recuperar el valor correcto, arréglalo dejando constancia del cambio. Si el valor es real, piensa si el análisis previsto lo representa bien. Usar métricas robustas, transformaciones o modelos adaptados a la distribución suele funcionar mejor que borrar datos sin más; aun así, cada opción cambia el enfoque analítico y conviene explicarla.
La mediana ayuda a reducir el peso de un tiempo extremo en el promedio sin hacer que esa experiencia desaparezca por completo. Informa sobre la distribución o sobre los casos extremos clave cuando influyan en la decisión. La tendencia central es solo una parte de la historia.
Haz visibles las conclusiones más sensibles
Define los criterios de exclusión de antemano siempre que sea posible y documenta cualquier decisión nueva que tomes tras revisar los datos. Si un caso dudoso cambia el resultado de forma clara, muestra un análisis de sensibilidad adecuado en lugar de elegir en silencio la opción que mejor encaja.
Con un conjunto de datos pequeño puede ser difícil distinguir con seguridad entre un caso válido pero poco común y un proceso totalmente distinto. Deja clara esa incertidumbre. La limpieza de datos debe aportar credibilidad al análisis, no dedicarse a quitar experiencias incómodas hasta que las pruebas coincidan con lo que el equipo esperaba ver.