Summary  
This chapter demonstrates how to calculate z-scores for numeric data fields and filter rows that exceed a configurable threshold to identify and remove outliers.

General domain of usage  
Data preprocessing

En almindelig metode til at identificere og fjerne outliers er **z-score metoden**. Denne teknik identificerer, hvor langt et datapunkt er fra gennemsnittet målt i standardafvigelser. Hvis et datapunkt ligger uden for en bestemt grænse (typisk ±3), betragtes det som en outlier.

## Hvad er en Z-score?
En z-score (også kendt som en standard score) beregnes ved hjælp af formlen:

$$
Z = \frac{X - \mu}{\sigma}
$$

Hvor:
- $$X$$: det oprindelige datapunkt;
- $$\mu$$: gennemsnittet af datasættet;
- $$\sigma$$: standardafvigelsen for datasættet.

## Beregning af z-scores
Du kan enten beregne z-scores manuelt ved at følge formlen:
```
mean_cgpa <- mean(df$cgpa)
sd_cgpa <- sd(df$cgpa)
df$cgpa_zscore <- (df$cgpa - mean_cgpa) / sd_cgpa
```

Eller du kan bruge den indbyggede funktion:
```
df$cgpa_zscore <- scale(df$cgpa)
```

## Identifikation af outliers
Efter beregning af z-scorer kan du vælge en tærskelværdi (±3 i dette tilfælde) og anvende en simpel filtreringsoperation for at vælge alle poster uden for intervallet:
```
thresh_hold <- 3
outliers <- df[df$cgpa_zscore > thresh_hold | df$cgpa_zscore < -thresh_hold, ]
```

Eller du kan vælge alle poster inden for intervallet for at oprette et datasæt uden outliers:
```
df2 <- df[df$cgpa_zscore < thresh_hold & df$cgpa_zscore > -thresh_hold, ]
```

Hvad sker der med værdier med z-scorer uden for ±3?


Opnå praktisk erfaring med dataanalyse i R ved at lære at rense, transformere og visualisere datasæt. Udforsk essentielle arbejdsgange såsom udvælgelse og filtrering af data, håndtering af manglende værdier og opsummering af resultater. Opbyg sikkerhed i at forberede data til indsigt, rapportering og dybere statistisk udforskning.

Udforsk grundlæggende principper for dataanalyse med R. Lær at installere værktøjer, indlæse og inspicere datasæt, udvælge og filtrere information, sortere og transformere data, håndtere manglende værdier samt opsummere resultater for dybere indsigt.

Lær at skabe overbevisende visualiseringer med ggplot2. Opbyg søjlediagrammer, histogrammer, tæthedsplot og spredningsdiagrammer, og tilpas og forfin dem med stylingmuligheder og facettering for at afdække dybere indsigter i dine data.

Styrk din forståelse af statistik til dataanalyse. Anvend beskrivende mål, identificer og håndter outliers, og brug korrelationsteknikker med visuelle værktøjer som varmekort og spredningsdiagrammer for at afdække meningsfulde sammenhænge.

Fjernelse af Outliers ved Hjælp af Z-Score Metoden

Hvad er en Z-score?

Beregning af z-scores

Identifikation af outliers

Awesome!

Fjernelse af Outliers ved Hjælp af Z-Score Metoden

Hvad er en Z-score?

Beregning af z-scores

Identifikation af outliers