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

Ett annat effektivt sätt att identifiera och ta bort avvikare är att använda **interkvartilavståndet (IQR)**-metoden.

## Vad är IQR?
Interkvartilavståndet (IQR) är ett mått på statistisk spridning och beräknas som:

$$
IQR = Q3−Q1
$$

Där:
- $$Q1$$: 25:e percentilen (första kvartilen);
- $$Q3$$: 75:e percentilen (tredje kvartilen).

Värden som ligger under $$Q1 − 1.5 \times IQR$$ eller över $$Q3 + 1.5 \times IQR$$ betraktas vanligtvis som avvikare.

## Beräkning av IQR
För att beräkna IQR-värdet och identifiera avvikare behöver du först känna till värdena för 25:e och 75:e percentilen. Dessa kan erhållas med funktionen `quantile()`. Därefter kan du beräkna IQR-värdet enligt formeln.
```
q1_placement <- quantile(df$placement_exam_marks, 0.25)
q3_placement <- quantile(df$placement_exam_marks, 0.75)
iqr_placement <- q3_placement - q1_placement
```

## Identifiera avvikare
Liknande z-score-metoden behöver du identifiera de nedre och övre gränserna:
```
Thresh_hold <- 1.5
upper_boundary <- q3_placement + (Thresh_hold * iqr_placement)
lower_boundary <- q1_placement - (Thresh_hold * iqr_placement)
```

Därefter kan du antingen välja alla avvikare för att analysera dem:
```
df[df$placement_exam_marks > upper_boundary | df$placement_exam_marks < lower_boundary,]
```

Eller skapa en dataset utan avvikare:
```
df2 <- df[df$placement_exam_marks <= upper_boundary & df$placement_exam_marks >= lower_boundary,]
```

Få praktisk erfarenhet av dataanalys med R genom att lära dig att rensa, transformera och visualisera dataset. Utforska viktiga arbetsflöden såsom att välja och filtrera data, hantera saknade värden och sammanfatta resultat. Bygg upp förtroende i att förbereda data för insikter, rapportering och djupare statistisk utforskning.

Utforska grunderna i dataanalys med R. Lär dig att installera verktyg, ladda och inspektera dataset, välja och filtrera information, sortera och transformera data, hantera saknade värden samt sammanfatta resultat för djupare insikter.

Lär dig att skapa övertygande visualiseringar med ggplot2. Skapa stapeldiagram, histogram, täthetsdiagram och spridningsdiagram, och anpassa samt förbättra dem med stilinställningar och facettering för att avslöja djupare insikter i dina data.

Fördjupa din förståelse för statistik inom dataanalys. Använd beskrivande mått, identifiera och hantera avvikare samt tillämpa korrelationstekniker med visuella verktyg såsom värmekartor och spridningsdiagram för att upptäcka meningsfulla samband.

Ta Bort Avvikare Med Hjälp Av IQR-Metoden

Vad är IQR?

Beräkning av IQR

Identifiera avvikare

Awesome!

Ta Bort Avvikare Med Hjälp Av IQR-Metoden

Vad är IQR?

Beräkning av IQR

Identifiera avvikare