Outra maneira eficaz de detectar e remover outliers é utilizando o método do intervalo interquartil (IQR).

O que é IQR?

O intervalo interquartil (IQR) é uma medida de dispersão estatística e é calculado como:

Onde:

• $Q1$: 25º percentil (primeiro quartil);
• $Q3$: 75º percentil (terceiro quartil).

Valores abaixo de $Q1 − 1.5 \times IQR$ ou acima de $Q3 + 1.5 \times IQR$ são tipicamente considerados outliers.

Calculando o IQR

Para calcular o valor do IQR e detectar os outliers, primeiro é necessário conhecer os valores do 25º e 75º percentis. Eles podem ser obtidos com a função quantile(). Em seguida, é possível calcular o valor do IQR seguindo a fórmula.

q1_placement <- quantile(df$placement_exam_marks, 0.25)
q3_placement <- quantile(df$placement_exam_marks, 0.75)
iqr_placement <- q3_placement - q1_placement

Identificação de Outliers

Semelhante ao método do z-score, é necessário identificar os limites inferior e superior:

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

Em seguida, é possível selecionar todos os outliers para analisá-los:

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

Ou criar um conjunto de dados sem outliers:

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