5.8
离群值是指数据集中一个或多个与其余数据明显不同的数值。
例如,通过各匹马的平均单圈用时来确定最快的五匹马。任何异常的单圈用时,无论是过快还是过慢,均被视为离群值。
但是,如何从一个大型数据集中识别出异常值呢?
一种方法是计算四分位距。高于或低于四分位距 1.5 倍的数值被视为异常值。
第二种方法使用 z 分数。通常认为介于负二至正二倍 z 分数范围内的数值为正常值,涵盖约 95% 的数据值;超出此范围的任何数值均为离群值。
第三种方法是使用箱线图。任何位于箱线图须线之外的数据点均被视为异常值。
异常值可能影响数据的均值、标准差和极差,但某些异常值在不影响样本统计量的情况下可以被忽略。因此,在计算中是否考虑异常值或将其剔除,需要谨慎权衡。
离群值是远离最小二乘法线的观测数据点。它们具有不寻常的价值,并且需要进行仔细检查。尽管离群值可能是由错误的数据造成的,但在其他情况下,它也可能蕴含着关于研究人群的宝贵信息,从而应当将其包含在数据中。因此,研究导致数据点成为离群值的原因是至关重要的。
z 分数能够用来查找离群值或异常值。需要注意的是,…