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 vanlig metode for å oppdage og fjerne uteliggere er **z-score-metoden**. Denne teknikken identifiserer hvor langt et datapunkt er fra gjennomsnittet målt i standardavvik. Dersom et datapunkt ligger utenfor en viss terskelverdi (vanligvis ±3), regnes det som en uteligger.

## Hva er en z-score?
En z-score (også kjent som en standard score) beregnes ved hjelp av formelen:

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

Hvor:
- $$X$$: det opprinnelige datapunktet;
- $$\mu$$: gjennomsnittet av datasettet;
- $$\sigma$$: standardavviket til datasettet.

## Beregning av z-score
Du kan enten beregne z-score manuelt ved å følge formelen:
```
mean_cgpa <- mean(df$cgpa)
sd_cgpa <- sd(df$cgpa)
df$cgpa_zscore <- (df$cgpa - mean_cgpa) / sd_cgpa
```

Eller du kan bruke den innebygde funksjonen:
```
df$cgpa_zscore <- scale(df$cgpa)
```

## Identifisering av uteliggere
Etter å ha beregnet z-skårene, kan du velge en terskelverdi (±3 i dette tilfellet) og bruke en enkel filtreringsoperasjon for å velge alle oppføringer utenfor dette området:
```
thresh_hold <- 3
outliers <- df[df$cgpa_zscore > thresh_hold | df$cgpa_zscore < -thresh_hold, ]
```

Eller du kan velge alle oppføringer innenfor området for å lage et datasett uten uteliggere:
```
df2 <- df[df$cgpa_zscore < thresh_hold & df$cgpa_zscore > -thresh_hold, ]
```

Hva skjer med verdier med z-skårer utenfor ±3?


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 Z-score-metoden

Hva er en z-score?

Beregning av z-score

Identifisering av uteliggere

Awesome!

Fjerning av uteliggere ved bruk av Z-score-metoden

Hva er en z-score?

Beregning av z-score

Identifisering av uteliggere