# Detector de Outliers Detecte outliers em dados numéricos usando vários métodos estatísticos incluindo IQR, Z-score e Z-score modificado > Página canônica: https://elysiatools.com/pt/tools/outlier-detector - **Categoria:** Data Analysis - **Palavras-chave:** outlier, anomalia, detecção, estatística, dados, análise, z-score, iqr ## Visão geral O Detector de Outliers é uma ferramenta de análise estatística projetada para identificar valores anômalos em conjuntos de dados numéricos, utilizando métodos robustos como IQR, Z-score e Z-score modificado para garantir a precisão dos seus resultados. ## Entradas - **Dados Numéricos** (textarea): Enter numerical data separated by delimiter... 12.5, 15.2, 13.8, 45.6, 18.9, 16.1, 14.7, 17.3, 22.1 - **Delimitador de Dados** (select) - **Delimitador Personalizado** (text): Digite o delimitador personalizado - **Método de Detecção** (select) - **Limiar de Sensibilidade** (number): Sensibilidade de detecção (1-3) - **Incluir Detalhes Estatísticos** (checkbox) - **Formato de Saída** (select) ## Quando usar - Identificar erros de entrada de dados que distorcem as médias e desvios padrão. - Detectar comportamentos anômalos em séries temporais ou métricas de desempenho. - Limpar conjuntos de dados antes de realizar modelagens estatísticas ou treinamentos de machine learning. ## Como funciona - Insira seus dados numéricos na área de texto, selecionando o delimitador correspondente (vírgula, espaço ou ponto e vírgula). - Escolha o método estatístico de detecção, como IQR ou Z-score, e ajuste o limiar de sensibilidade conforme a necessidade do seu conjunto de dados. - Selecione o formato de saída desejado, como tabela ou JSON, e processe os dados para visualizar os valores identificados como outliers. ## Casos de uso - Limpeza de bases de dados financeiras para remover transações atípicas. - Análise de sensores industriais para detectar falhas de equipamento. - Validação de resultados de pesquisas científicas para garantir a integridade estatística. ## Perguntas frequentes ### O que é um outlier? Um outlier é um ponto de dados que se desvia significativamente das demais observações, podendo indicar variabilidade natural ou erros de medição. ### Qual método devo escolher? O IQR é ideal para dados não distribuídos normalmente, enquanto o Z-score funciona melhor para dados com distribuição normal. ### O que o limiar de sensibilidade faz? Ele define o rigor da detecção; valores menores tornam o detector mais sensível, identificando mais pontos como anomalias. ### Posso usar delimitadores personalizados? Sim, selecione a opção 'Personalizado' no campo de delimitador e insira o caractere específico que separa seus dados. ### Os dados são armazenados? Não, o processamento é realizado localmente e os dados não são salvos em nossos servidores. ## Ferramentas relacionadas - [Analisador de Distribuição de Dados](https://elysiatools.com/pt/tools/distribution-analyzer): Análise comprehensivo de distribuição de dados com testes de normalidade, detecção de outliers e avaliações de bondade de ajuste - [Analisador de Assimetria](https://elysiatools.com/pt/tools/skewness-analyzer): Analisar a assimetria dos dados para medir a assimetria da distribuição de probabilidade e identificar padrões de dados - [Analisador de Desvio Padrão](https://elysiatools.com/pt/tools/standard-deviation-analyzer): Análise compreensiva de desvio padrão com avaliação de variabilidade, intervalos de confiança e insights práticos - [Processador de Outliers de Dados](https://elysiatools.com/pt/tools/data-outlier-processor): Ferramenta avançada de detecção e processamento de outliers que identifica, remove ou substitui valores anômalos em dados numéricos usando múltiplos métodos estatísticos. Perfeita para limpeza de dados, análise estatística e preparação de dados para machine learning. Recursos: - Múltiplos métodos de detecção (IQR, Z-score, Z-score modificado, Isolation Forest) - Estratégias flexíveis de manejo (Remover, Substituir por média/mediana/moda, Limitar) - Otimização automática de limiares - Detecção de outliers multidimensional - Estatísticas e relatórios visuais de outliers - Capacidades de processamento em lote - Níveis de sensibilidade personalizáveis - Análise de impacto abrangente Casos de Uso Comuns: - Limpeza e pré-processamento de dados - Preparação para análise estatística - Limpeza de conjuntos de dados para machine learning - Controle de qualidade na manufatura - Detecção de anomalias financeiras - Validação de dados de sensores - [Calculadora de raízes por Newton-Raphson](https://elysiatools.com/pt/tools/newton-raphson-root-finder): Resolve f(x) = 0 com a iteração de Newton-Raphson x_{k+1} = x_k − f(x_k)/f'(x_k): a derivada pode ser dada analiticamente (se ficar vazia, usa-se uma diferença central numérica); são exibidos a tabela de iterações (x_k e f(x_k)), o critério de paragem (|f| < tolerância ou |Δx| < tolerância·max(1,|x|)), o número de iterações e o |f(raiz)| final. Clássicos: x²−2 a partir de x₀=1 converge em 4 passos para √2 ≈ 1.4142135624; cos(x)−x converge para o número de Dottie 0.7390851332. Derivada nula, passos divergentes ou exceder o limite de iterações são reportados explicitamente. - [Contador de Elementos de Array](https://elysiatools.com/pt/tools/array-element-counter): Conta ocorrências de elementos específicos em arrays com suporte para múltiplos modos de contagem e análise estatística - [Detector de falhas de áudio](https://elysiatools.com/pt/tools/audio-dropout-detector): Detecta cortes curtos e trechos de silêncio - [Detector de anomalias em series temporais](https://elysiatools.com/pt/tools/time-series-anomaly-detector): Envia dados de serie temporal em CSV ou JSON, detecta anomalias com Z-Score e IQR e retorna um relatorio com grafico ## Exemplos - [Exemplos de Substituição de Regex](https://elysiatools.com/pt/samples/regex-replace): Coleção de padrões de substituição de regex comuns e úteis para transformação de texto e limpeza de dados - [Exemplos PDF](https://elysiatools.com/pt/samples/pdf-samples): Exemplos PDF gerados por ferramentas de 2026-02-01 a 2026-02-10 - [Test Pyramid Examples - Guia de Estratégia de Testes](https://elysiatools.com/pt/samples/test-pyramid-examples): Exemplos abrangentes de implementação de pirâmide de testes incluindo testes unitários, testes de integração, testes E2E, organização de testes e padrões de teste estratégicos para garantia de qualidade de software balanceada - [Exemplos de Markdown](https://elysiatools.com/pt/samples/markdown-samples): Exemplos de formato Markdown de estruturas simples a complexas ## Conteúdo relacionado - [Fluxos de qualidade de dados e investigacao de anomalias](https://elysiatools.com/pt/hubs/data-quality-anomaly-workflows): Perfilhe dados tabulares, isole duplicatas, faltas, quebras referenciais, outliers e anomalias temporais e transforme os achados em evidencia de qualidade.