حضور مشاهدات پرت در مجموعه داده ها می تواند استنباط ما را تحت تاثیر قرار دهد. از سوی دیگر اطلاع از حضور این مشاهدات می تواند ما را به یافتن علل پیدایش و رخداد آنها هدایت. از این رو همواره توصیه می شود قبل از مدل سازی و انجام هرگونه استنباط بر اساس داده ها، باید از حضور یا عدم حضور مشاهدات پرت در بین مجموعه داده ها مطمئن شد. روشهای مختلفی برای کشف داده پرت وجود دارد. این روشها را می توان از منظرهای مختلفی طبقه بندی کرد. مثلاً بر اساس اطلاع یا عدم اطلاع در مورد خصوصیات آنها می توان روشهای کشف آنها را به راهنمائیده، نیمه راهنمائیده و یا ناراهنمائیده تقسیم کرد. در اینجا روشی که برای کشف داده پرت پیشنهاد می شود روشی ناراهنمائید بر اساس برآورد چگالی است. این روش قادر علاوه بر کشف داده پرت کلی، داده های پرت محلی را نیز به خوبی پیدا کند. علاوه براین، به کمک این روش می توان داده ها را به ترتیب پرت بودنشان مرتب کرد. مطالعه انجام شده به کمک شبیه سازی نشان می دهد این روش از لحاظ حساسیت به تعیین پارامترهای اولیه و دقت، در مقایسه با روشهای رقیب از کارایی خیلی خوبی برخوردار است.
