Dados contaminados com outliers podem ser um problema na qualidade dos modelos estimados usando técnicas de identificação de sistemas. Estudam-se, neste trabalho, as definições dos diferentes tipos de outliers que comumente afetam os dados coletados de processos. Se faz um estudo sobre a influência destes valores na identificação de sistemas SISO. São apresentados dois caminhos comuns para abordar o problema. O primeiro, é o típico método de dois passos, detecção de outliers e logo após a sua remoção. Neste caso, são resumidas algumas técnicas que podem ser usadas. O segundo caminho é baseado no uso de estimadores robustos na modelagem. Neste âmbito é feita uma comparação do uso deste tipo de estimadores, quando os dados estão contaminados e comparando com o caso de não existir contaminação.

Data contaminated with outliers can be a problem in the quality of models estimated using system identification techniques. In this work, the definitions of the different types of outliers that commonly affect the data collected from processes are studied. A study is carried out on the influence of these values on the identification of SISO systems. Two common ways to approach the problem are presented. The first is the typical two-step method, outlier detection and then removal. In this case, some techniques that can be used are summarized. The second way is based on the use of robust estimators in modeling. In this context, a comparison is made of the use of this type of estimator, when the data is contaminated, and comparing it if there is no contamination.