Une autre méthode efficace pour détecter et supprimer les valeurs aberrantes consiste à utiliser la plage interquartile (IQR).

Qu'est-ce que l'IQR ?

La plage interquartile (IQR) est une mesure de dispersion statistique et se calcule comme suit :

Où :

• $Q1$ : 25e centile (premier quartile) ;
• $Q3$ : 75e centile (troisième quartile).

Les valeurs inférieures à $Q1 − 1.5 \times IQR$ ou supérieures à $Q3 + 1.5 \times IQR$ sont généralement considérées comme des valeurs aberrantes.

Calcul du IQR

Pour calculer la valeur de l'IQR et détecter les valeurs aberrantes, il est d'abord nécessaire de connaître les valeurs des 25e et 75e centiles. Elles peuvent être obtenues avec la fonction quantile(). Ensuite, il est possible de calculer la valeur de l'IQR en suivant la formule.

q1_placement <- quantile(df$placement_exam_marks, 0.25)
q3_placement <- quantile(df$placement_exam_marks, 0.75)
iqr_placement <- q3_placement - q1_placement

Identification des valeurs aberrantes

Comme pour la méthode du score z, il est nécessaire d’identifier les bornes inférieure et supérieure :

Thresh_hold <- 1.5
upper_boundary <- q3_placement + (Thresh_hold * iqr_placement)
lower_boundary <- q1_placement - (Thresh_hold * iqr_placement)

Vous pouvez ensuite sélectionner toutes les valeurs aberrantes pour les analyser :

df[df$placement_exam_marks > upper_boundary | df$placement_exam_marks < lower_boundary,]

Ou créer un jeu de données sans valeurs aberrantes :

df2 <- df[df$placement_exam_marks <= upper_boundary & df$placement_exam_marks >= lower_boundary,]