IntermedioApplicazioni·9 min

Rilevare i valori anomali con la deviazione standard

Scopri come identificare i valori anomali nei tuoi dati usando la deviazione standard. Padroneggia la regola 3-sigma, il metodo IQR e comprendi quando gli outlier vanno rimossi.

Cosa sono i valori anomali?

I valori anomali (outlier) sono dati che differiscono significativamente dalle altre osservazioni. Possono essere causati da errori di misurazione, errori di inserimento dati, oppure rappresentare casi genuinamente insoliti che meritano un’indagine approfondita.

Il punto arancione in (10, 50) è un valore anomalo

La regola 3-sigma

Per dati con distribuzione normale, i punti oltre 3 deviazioni standard dalla media sono considerati valori anomali. Si verificano meno dello 0,3% delle volte per effetto del caso.

Anomalo se

x < μ - 3σ OPPURE x > μ + 3σ

Esempio

Se i punteggi di un test hanno μ = 75 e σ = 10: - Limite inferiore: 75 - 30 = 45 - Limite superiore: 75 + 30 = 105 - Qualsiasi punteggio inferiore a 45 o superiore a 105 è un valore anomalo

Metodo del punteggio Z

Si calcola il punteggio Z per ogni dato. Se |z| > 3 (o talvolta 2,5), si tratta di un valore anomalo.

Punteggio Z

z = (x - μ) / σ

Opzioni di soglia

- |z| > 3: Conservativo (individua meno outlier) - |z| > 2,5: Moderato - |z| > 2: Liberale (individua più outlier)

Metodo IQR (alternativo)

Il metodo dello scarto interquartile (IQR) è più robusto rispetto ai valori anomali perché non utilizza la media né la deviazione standard.

Passo 1

Trovare Q1 (25° percentile) e Q3 (75° percentile)

Passo 2

Calcolare IQR = Q3 - Q1

Passo 3

Limite inferiore = Q1 - 1,5 × IQR

Passo 4

Limite superiore = Q3 + 1,5 × IQR

Passo 5

I punti fuori dai limiti sono valori anomali

Gestione dei valori anomali

Non eliminare automaticamente!

I valori anomali non sono sempre errori. Prima di rimuoverli, indaga: - Si tratta di un errore di inserimento o di misurazione? - È un valore estremo genuino? - Rappresenta un caso limite importante?

Quando rimuovere

- Errori di inserimento dati confermati - Malfunzionamento dell’apparecchiatura di misura - Valori fuori dall’intervallo possibile

Quando mantenere

- Rappresenta una variabilità reale - È importante per l’analisi - La rimozione distorcerebbe i risultati

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.