Een andere effectieve methode om uitschieters te detecteren en te verwijderen is door gebruik te maken van de interkwartielafstand (IQR) methode.

Wat is IQR?

De interkwartielafstand (IQR) is een maat voor statistische spreiding en wordt berekend als:

Waarbij:

• $Q1$: 25e percentiel (eerste kwartiel);
• $Q3$: 75e percentiel (derde kwartiel).

Waarden die lager liggen dan $Q1 − 1.5 \times IQR$ of hoger dan $Q3 + 1.5 \times IQR$ worden doorgaans als uitschieters beschouwd.

IQR berekenen

Om de IQR-waarde te berekenen en uitschieters te detecteren, moet je eerst de waarden van het 25e en 75e percentiel weten. Deze kunnen worden verkregen met de functie quantile(). Vervolgens kun je de IQR-waarde berekenen volgens de 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

Identificeren van uitschieters

Net als bij de z-score methode, moeten de onder- en bovengrenzen worden vastgesteld:

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

Daarna kunnen alle uitschieters geselecteerd worden om deze te analyseren:

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

Of een dataset zonder uitschieters worden aangemaakt:

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