Valori anomali sono punti dati insoliti che differiscono in modo significativo dalla maggior parte dei dati. Possono verificarsi a causa di errori di inserimento dati, variazioni naturali o eventi rari ma importanti. I valori anomali possono avere un impatto sostanziale sui riepiloghi statistici e sulla modellizzazione.

Ad esempio, un singolo valore anomalo elevato può aumentare la media o distorcere la scala delle visualizzazioni, portando a conclusioni fuorvianti.

Comprendere e rilevare i valori anomali è una fase critica nella pre-elaborazione dei dati. A seconda dell'obiettivo dell'analisi, si può scegliere di mantenere, trasformare o rimuovere completamente i valori anomali.

Visualizzazione dei valori anomali con i grafici di densità

Un grafico di densità fornisce una curva continua che mostra la distribuzione di una variabile. I picchi indicano dove i dati sono concentrati, mentre code lunghe o picchi isolati possono suggerire la presenza di valori anomali o asimmetria.

ggplot(df, aes(x = placement_exam_marks)) +
  geom_density(fill = "lightgreen", alpha = 0.7) +
  labs(title = "Density Plot Of Placement Exam Marks",
       x = "Placement",
       y = "Density") +
  theme_minimal()

Misurare l'asimmetria

L'asimmetria misura il grado di simmetria o asimmetria in una distribuzione. Questo aiuta a rilevare se una variabile presenta valori anomali su un lato della distribuzione.

skewness(df$placement_exam_marks)

Interpretazione della asimmetria

• Asimmetria ≈ 0: distribuzione approssimativamente simmetrica;
• Asimmetria > 0: distribuzione asimmetrica a destra;
• Asimmetria < 0: distribuzione asimmetrica a sinistra;
• Asimmetria > 1: distribuzione fortemente asimmetrica a destra;
• Asimmetria < -1: distribuzione fortemente asimmetrica a sinistra.