Avvikere er uvanlige datapunkter som skiller seg betydelig fra majoriteten av dataene. De kan oppstå på grunn av feil ved dataregistrering, naturlig variasjon eller sjeldne, men viktige hendelser. Avvikere kan ha stor innvirkning på statistiske oppsummeringer og modellering.

For eksempel kan én enkelt stor avviker øke gjennomsnittet eller forvrenge skalaen på visualiseringer, noe som kan føre til misvisende konklusjoner.

Forståelse og deteksjon av avvikere er et kritisk steg i dataprosessering. Avhengig av målet med analysen kan du velge å beholde, transformere eller fjerne avvikere helt.

Visualisering av avvikere med tetthetsplott

Et tetthetsplott gir en jevn kurve som viser fordelingen av en variabel. Topper indikerer hvor dataene er konsentrert, mens lange haler eller isolerte topper kan antyde avvikere eller skjevhet.

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()

Måling av skjevhet

Skjevhet måler graden av symmetri eller asymmetri i en fordeling. Dette hjelper med å oppdage om en variabel har avvikere på én side av fordelingen.

skewness(df$placement_exam_marks)

Tolkning av skjevhet

• Skjevhet ≈ 0: omtrentlig symmetrisk fordeling;
• Skjevhet > 0: høyreskjev fordeling;
• Skjevhet < 0: venstreskjev fordeling;
• Skjevhet > 1: sterkt høyreskjev fordeling;
• Skjevhet < -1: sterkt venstreskjev fordeling.