下载PDF文件
下载PDF文件
异常值就是和其他样本数据有显著差异的值。这个词在统计学中经常用到,可以表示数据异常或测量错误。明白算异常值的方法,对于正确理解数据非常有用,而且会引出更精确的结论。以下介绍一个很简单的算异常值的过程和方法。
步骤
-
了解如何认出潜在异常值。 计算之前先辨认数据中的潜在异常值。比如一列数据,表示的是房间内12个东西的温度。如果其中11个的温度在70华氏度(21摄氏度左右)内,第12个却跑到300华氏度(约150摄氏度)了,那你可以粗略判断这是一个异常值。
-
把数据从小到大排列。 以以上数据为例,继续考虑房间内物体温度: {71, 70, 73, 70, 70, 69, 70, 72, 71, 300, 71, 69},变更顺序为: {69, 69, 70, 70, 70, 70, 71, 71, 71, 72, 73, 300}.
-
计算中位数。 中位数是一串数据中间的一个数据点,如果数据总数是偶数,那么中间两位数的平均数就是中位数。上面数据中,中间两项是70、71,则中位数是((70 + 71) / 2)或70.5
-
计算下四分位数,这里设置为Q1,表示总数据最小的25%的数据在这个点以下。 在上面例子中,又有两个数据要被平分,即((70 + 70) / 2) 或 70
-
计算上四分位数,设置为Q3,表示最大的25%数据都在这个点以上。 本例子中Q3 是71、72的平均数,即 71.5
-
找出数据的“内围”。 第一步是把Q1和Q3的差(四分位差)乘以1.5。上面的例子中,四分位差是(71.5 - 70)得 1.5。再乘以1.5 得 2.25 ,加上Q3 ,用Q1 减去这个和,得到内围。本例中内围是67.75 and 73.75.
- 任何在这个范围外的数字都是“平稳界外值”。本例子中,只有300华氏度是在范围以外的,即是所谓的平稳界外值。
-
找出数据外围。 和内围方法类似,不过这里要将四分位差乘以3 而非1.5。乘以3即(1.5 * 3) 得到 4.5。得到外围是65.5 、 76
- 任何这个范围以外的数字,都算是“极端界外值”,300度也在这个范围外,因此也算“极端界外值”
广告
小提示
- 找到异常值以后,把其排除前要解释其出现的原因。异常值可能指向实验中的错误或分布异常状况。
广告
你需要准备
- 计算器
参考
广告