Lära Ta Bort Avvikare Med Hjälp Av IQR-Metoden | Grundläggande Statistisk Analys

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

Identifiering av 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,]

Var allt tydligt?

Tack för dina kommentarer!

Avsnitt 3. Kapitel 4

Fråga AI

Fråga vad du vill eller prova någon av de föreslagna frågorna för att starta vårt samtal

Suggested prompts:

Can you explain why the IQR method is preferred for non-normally distributed data?

How do I interpret the results after removing outliers using IQR?

What should I do if my dataset has outliers on both the lower and upper boundaries?

Awesome!

Completion rate improved to 4

Svep för att visa menyn