Summary  
This chapter demonstrates how to calculate the interquartile range by obtaining the 25th and 75th percentiles with a quantile function, derive upper and lower bounds using a threshold multiplier, and filter a dataset to detect and remove outliers.

General domain of usage  
Data preprocessing and cleaning

En annen effektiv metode for å oppdage og fjerne uteliggere er å bruke **interkvartilavstand (IQR)**-metoden.

## Hva er IQR?
Interkvartilavstand (IQR) er et mål på statistisk spredning og beregnes som:

$$
IQR = Q3−Q1
$$

Hvor:
- $$Q1$$: 25. prosentil (første kvartil);
- $$Q3$$: 75. prosentil (tredje kvartil).

Verdier som ligger under $$Q1 − 1.5 \times IQR$$ eller over $$Q3 + 1.5 \times IQR$$ regnes vanligvis som uteliggere.

## Beregning av IQR
For å beregne IQR-verdien og oppdage uteliggere, må du først kjenne verdiene for 25. og 75. prosentil. Disse kan hentes ut med funksjonen `quantile()`. Deretter kan du beregne IQR-verdien ved å følge formelen.
```
q1_placement <- quantile(df$placement_exam_marks, 0.25)
q3_placement <- quantile(df$placement_exam_marks, 0.75)
iqr_placement <- q3_placement - q1_placement
```

## Identifisering av uteliggere
På samme måte som med z-score-metoden må du identifisere nedre og øvre grenser:
```
Thresh_hold <- 1.5
upper_boundary <- q3_placement + (Thresh_hold * iqr_placement)
lower_boundary <- q1_placement - (Thresh_hold * iqr_placement)
```

Deretter kan du enten velge alle uteliggere for å analysere dem:
```
df[df$placement_exam_marks > upper_boundary | df$placement_exam_marks < lower_boundary,]
```

Eller opprette et datasett uten uteliggere:
```
df2 <- df[df$placement_exam_marks <= upper_boundary & df$placement_exam_marks >= lower_boundary,]
```

Få praktisk erfaring med dataanalyse i R ved å lære hvordan du rengjør, transformerer og visualiserer datasett. Utforsk essensielle arbeidsflyter som utvalg og filtrering av data, håndtering av manglende verdier og oppsummering av resultater. Bygg selvtillit i å forberede data for innsikt, rapportering og dypere statistisk utforskning.

Utforsk grunnleggende prinsipper for dataanalyse med R. Lær hvordan du installerer verktøyene, laster inn og inspiserer datasett, velger og filtrerer informasjon, sorterer og transformerer data, håndterer manglende verdier og oppsummerer resultater for dypere innsikt.

Lær å lage overbevisende visualiseringer med ggplot2. Bygg stolpediagrammer, histogrammer, tetthetsplott og spredningsplott, og tilpass og forbedre dem med stilvalg og fasettering for å avdekke dypere innsikt i dataene dine.

Styrk din forståelse av statistikk for dataanalyse. Bruk beskrivende mål, identifiser og håndter uteliggere, og anvend korrelasjonsteknikker med visuelle verktøy som varmekart og spredningsdiagrammer for å avdekke meningsfulle sammenhenger.

Fjerning av Uteliggere ved Bruk av IQR-metoden

Hva er IQR?

Beregning av IQR

Identifisering av uteliggere

Awesome!

Fjerning av Uteliggere ved Bruk av IQR-metoden

Hva er IQR?

Beregning av IQR

Identifisering av uteliggere