Avvikare är ovanliga datapunkter som skiljer sig avsevärt från majoriteten av datan. De kan uppstå på grund av inmatningsfel, naturlig variation eller sällsynta men viktiga händelser. Avvikare kan ha en betydande inverkan på statistiska sammanfattningar och modellering.

Till exempel kan en enskild stor avvikare höja medelvärdet eller förvränga skalan på visualiseringar, vilket leder till missvisande slutsatser.

Att förstå och identifiera avvikare är ett kritiskt steg i datapreprocessen. Beroende på syftet med din analys kan du välja att behålla, transformera eller helt ta bort avvikare.

Visualisering av avvikare med täthetsdiagram

Ett täthetsdiagram visar en jämn kurva som illustrerar fördelningen av en variabel. Toppar indikerar var data är koncentrerad, medan långa svansar eller isolerade toppar kan antyda avvikare eller skevhet.

ggplot(df, aes(x = placement_exam_marks)) +
  geom_density(fill = "lightgreen", alpha = 0.7) +
  labs(title = "Density Plot Of Placement Exam Marks",
       x = "Placement",
       y = "Density") +
  theme_minimal()

Mätning av skevhet

Skevhet mäter graden av symmetri eller asymmetri i en fördelning. Detta hjälper till att upptäcka om en variabel har avvikare på ena sidan av fördelningen.

skewness(df$placement_exam_marks)

Tolkning av skevhet

• Skevhet ≈ 0: ungefär symmetrisk fördelning;
• Skevhet > 0: högerskev fördelning;
• Skevhet < 0: vänsterskev fördelning;
• Skevhet > 1: kraftigt högerskev fördelning;
• Skevhet < -1: kraftigt vänsterskev fördelning.