בינונייםיישומים·9 min

זיהוי ערכים חריגים באמצעות סטיית תקן

למדו כיצד לזהות ערכים חריגים בנתונים באמצעות סטיית תקן. שלטו בכלל 3-סיגמא, שיטת IQR, והבינו מתי יש להסיר ערכים חריגים.

מהם ערכים חריגים?

ערכים חריגים הם נקודות נתונים השונות באופן משמעותי מתצפיות אחרות. הם יכולים לנבוע משגיאות מדידה, טעויות בהזנת נתונים, או שהם מייצגים מקרים חריגים באמת שראוי לחקור.

הנקודה הכתומה ב-(10, 50) היא ערך חריג

כלל 3-סיגמא

עבור נתונים בהתפלגות נורמלית, נקודות מעבר ל-3 סטיות תקן מהממוצע נחשבות לערכים חריגים. הן מתרחשות פחות מ-0.3% מהזמן במקרה.

חריג אם

x < μ - 3σ OR x > μ + 3σ

דוגמה

אם ציוני מבחן עם μ = 75 ו-σ = 10: - גבול תחתון: 75 - 30 = 45 - גבול עליון: 75 + 30 = 105 - כל ציון מתחת ל-45 או מעל 105 הוא ערך חריג

שיטת ציון Z

חשבו את ציון ה-Z לכל נקודת נתונים. אם |z| > 3 (או לעיתים 2.5), מדובר בערך חריג.

ציון Z

z = (x - μ) / σ

אפשרויות סף

- |z| > 3: שמרני (תופס פחות ערכים חריגים) - |z| > 2.5: מתון - |z| > 2: ליברלי (תופס יותר ערכים חריגים)

שיטת IQR (חלופית)

שיטת הטווח הבין-רבעוני (IQR) חסינה יותר לערכים חריגים כי היא אינה משתמשת בממוצע או בסטיית תקן.

שלב 1

מצאו את Q1 (אחוזון 25) ו-Q3 (אחוזון 75)

שלב 2

חשבו IQR = Q3 - Q1

שלב 3

גדר תחתונה = Q1 - 1.5 × IQR

שלב 4

גדר עליונה = Q3 + 1.5 × IQR

שלב 5

נקודות מחוץ לגדרות הן ערכים חריגים

טיפול בערכים חריגים

אל תמחקו אוטומטית!

ערכים חריגים אינם תמיד שגיאות. לפני הסרתם, חקרו: - האם מדובר בשגיאת הזנה או מדידה? - האם זהו ערך קיצוני אמיתי? - האם הוא מייצג מקרה קצה חשוב?

מתי להסיר

- שגיאות הזנת נתונים מאושרות - תקלה בציוד מדידה - מחוץ לטווח הערכים האפשרי

מתי לשמור

- מייצג שונות אמיתית - חשוב לניתוח שלכם - הסרה תטה את התוצאות

How to Read This Article

A statistics tutorial is a practical interpretation guide, not just a formula dump. It refers to the assumptions, notation, and reporting language that analysts need when they explain a result to a teacher, manager, client, or reviewer. The article body covers the specific topic, while the sections below create a common interpretation frame that readers can reuse across related metrics.

Reading goal	What to focus on	Common mistake
Definition	What the metric is and what quantity it summarizes	Treating the formula as self-explanatory
Formula choice	Sample versus population assumptions and notation	Using n when n-1 is required or vice versa
Interpretation	Whether the result indicates concentration, spread, or risk	Calling a large value good or bad without context

Frequently Asked Questions

How should I interpret a high standard deviation?

A high standard deviation means the observations are spread farther from the mean on average. Whether that spread is acceptable depends on the context: wide dispersion might signal risk in finance, instability in manufacturing, or genuine natural variation in scientific data.

Why do some articles mention n while others mention n-1?

The denominator reflects the difference between population and sample formulas. Population variance and population standard deviation use N because the full dataset is known. Sample variance and sample standard deviation often use n-1 because Bessel’s correction reduces bias when estimating population spread from a sample.

What is a statistical interpretation guide?

A statistical interpretation guide is a page that moves beyond arithmetic and explains meaning. It tells you what a metric is, when the formula applies, and how to describe the result in plain English without overstating certainty.

Can I cite this article in a report?

You should cite the underlying authoritative reference for formal work whenever possible. This page is best used as an explanatory bridge that helps you understand the concept before quoting the original standard or handbook.

Why include direct citations on every article page?

Direct citations give readers a route to verify the definition, notation, and assumptions. That improves trust and reduces the chance that a simplified explanation is mistaken for the entire technical standard.

Authoritative References

These sources define the concepts referenced most often across our articles. Bessel's correction is a sample adjustment, variance is a squared measure of spread, and standard deviation is the square root of variance expressed in the same units as the data.