Winsorização é a transformação de estatísticas limitando valores extremos nos dados estatísticos para reduzir o efeito de valores atípicos possivelmente espúrios. Recebeu o nome do engenheiro que se tornou bioestatístico Charles P. Winsor (1895–1951). O efeito é o mesmo que o corte no processamento de sinal.
A distribuição de muitas estatísticas pode ser fortemente influenciada por outliers. Uma estratégia típica é definir todos os valores discrepantes para um percentil especificado dos dados; por exemplo, uma winsorização de 90% veria todos os dados abaixo do 5º percentil definidos como o 5º percentil e os dados acima do 95º percentil definidos como o 95º percentil. Os estimadores winsorizados são geralmente mais robustos para outliers do que suas formas mais padronizadas, embora existam alternativas, como trimming, que alcançarão um efeito semelhante.
Exemplo Considere o conjunto de dados composto por:
{92, 19, 101, 58, 1053, 91, 26, 78, 10, 13, -40, 101, 86, 85, 15, 89, 89, 28, -5, 41} (N = 20, média = 101,5)
Os dados abaixo do 5º percentil situam-se entre −40 e −5, enquanto os dados acima do 95º percentil situam-se entre 101 e 1053 (valores pertinentes mostrados em negrito); portanto, uma winsorização de 90% resultaria no seguinte:
{92, 19, 101, 58, 101, 91, 26, 78, 10, 13, -5, 101, 86, 85, 15, 89, 89, 28, -5, 41} (N = 20, média = 55,65)
Após a winsorização, a média caiu para quase a metade do valor anterior e, consequentemente, está mais alinhada com os dados que representa.
O Python pode winsorizar dados usando a biblioteca SciPy:import numpy as np from scipy.stats.mstats import winsorize winsorize(np.array([92, 19, 101, 58, 1053, 91, 26, 78, 10, 13, -40, 101, 86, 85, 15, 89, 89, 28, -5, 41]), limits=[0.05, 0.05])R pode winsorizar dados usando o pacote DescTools: Andri Signorell et al. (2021). DescTools: Tools for descriptive statistics. R package version 0.99.41.library(DescTools) a<-c(92, 19, 101, 58, 1053, 91, 26, 78, 10, 13, -40, 101, 86, 85, 15, 89, 89, 28, -5, 41) DescTools::Winsorize(a, probs = c(0.05, 0.95))
Distinção de corte Observe que winsorizar não é equivalente a simplesmente excluir dados, que é um procedimento mais simples, chamado trimming ou truncation, mas é um método de censurar dados.
Usos A winsorização é usada no contexto da metodologia de pesquisa para "aparar" pesos extremos de não resposta da pesquisa. Lee, Brian K., Justin Lessler, and Elizabeth A. Stuart. "Weight trimming and propensity score weighting." PLOS ONE 6.3 (2011): e18174. link
Também é usada na construção de alguns índices de ações ao observar a gama de certos fatores (por exemplo, crescimento e valor) para determinadas ações. MSCI Global Investable Market Value and Growth Index Methodology 2.2.1 link
Referências
Categoria:Estatística Categoria:Método científico