2025-10-142012IV Congreso Internacional de Ciencia y Tecnología de los Alimentos. 2012978-987-28845-0-5https://hdl.handle.net/20.500.12272/13965La presencia de outliers, puede falsear completamente los grupos o asociaciones entre objetos en diferentes análisis. Se ha determinado la existencia de 4 outliers a partir de una base de datos obtenida del proceso de Macerado por Infusión Simple para producción de cerveza artesanal. Como metodología empleada se realizó la determinación univariante de los casos utilizando el test de Grubbs y posteriormente se confecciono el análisis multivariado de los casos atípicos para ello se usó el programa SPSS que no permite calcular las distancias D (Mahalanobis) directamente, por lo que se confeccionó una regresión donde las variables actuantes se consideran independientes, el estadístico D/4 se distribuye aproximadamente con una distribución t, lo que nos permitió calcular el valor crítico para un nivel de de significatividad determinado según Tabachnick y Fidell (1996) p<0,001 siendo muy exigente y asumiendo posteriormente p>0,01 considerando los 4 casos como atípicos. Dado que se cuentan con 100 casos y se han determinado solamente 4 casos de outliers no es inconveniente alguno su eliminación sin embargo analizamos los motivos de sus causas y como pueden afectar los resultados su eliminación. Comparamos los valores que toman estos casos con las medias del resto de los casos. Realizando una comparación de estos casos con los centroides.A sample or group of samples suggesting that they are inconsistent with other data are called outliers or atypical cases. In such a situation, one, two or more variables, which become highly suspected of being generated by other mechanisms, take extreme values that make them become absolutely different from the rest of the sample. Although it may be desirable to leave outliers apart, they may be on occasions important as they might show some exceptional data reflecting a global point of view on some cases. The methodology used was as follows: the univariate determination (Grubbs Test) for the identification of the 4 outliers above mentioned, and the multivariate analysis (SPSS) for atypical cases. As SPSS program does not allow to calculate distances D (Mahalanobis), a regression was worked out where its variables are taken as independent ones. D / 4 statistic is distributed at T distribution. The estimated critical value p<0,001 (Tabachnick and Fidell (1996)) was so much strict. Therefore, the value p > 0.01 is then applied for the four cases to be considered atypical. All things considered, only 4 cases out of 100 resulted in outliers. Though their elimination would be possible and not significant enough, causes giving way to such outliers and how their elimination might affect final results have been analyzed. Outliers values were compared to other cases average rate centroids.pdfesinfo:eu-repo/semantics/openAccessAttribution-NonCommercial-NoDerivatives 4.0 Internationalhttp://creativecommons.org/licenses/by-nc-nd/4.0/OutliersProducción de cervezaMaceradoErrores de mediciónCasos atípicosBrewing,MashingMeasurement errors,Atypical eventsinfo:eu-repo/semantics/articleColazo, Carlos Roberto; Tavella, Marcelo; Salvático, Franco; Marangunic, Rodolfo Carlos; Fernández, Huber Gabrielhttps://creativecommons.org/licenses/by/4.0/