GemiddeldToepassingen·9 min

Uitschieters detecteren met standaardafwijking

Leer hoe u uitschieters in uw gegevens identificeert met standaardafwijking. Beheers de 3-sigmaregel, IQR-methode en begrijp wanneer uitschieters verwijderd moeten worden.

Wat zijn uitschieters?

Uitschieters zijn gegevenspunten die aanzienlijk afwijken van andere waarnemingen. Ze kunnen worden veroorzaakt door meetfouten, invoerfouten of ze vertegenwoordigen werkelijk ongebruikelijke gevallen die nader onderzocht moeten worden.

Het oranje punt op (10, 50) is een uitschieter

De 3-sigmaregel

Voor normaal verdeelde gegevens worden punten buiten 3 standaardafwijkingen van het gemiddelde als uitschieters beschouwd. Ze komen door toeval minder dan 0,3% van de tijd voor.

Uitschieter als

x < μ - 3σ OF x > μ + 3σ

Voorbeeld

Als toetsscores μ = 75 en σ = 10 hebben: - Ondergrens: 75 - 30 = 45 - Bovengrens: 75 + 30 = 105 - Elke score onder 45 of boven 105 is een uitschieter

Z-scoremethode

Bereken de z-score voor elk gegevenspunt. Als |z| > 3 (of soms 2,5), is het een uitschieter.

Z-score

z = (x - μ) / σ

Drempelwaardeopties

- |z| > 3: Conservatief (vangt minder uitschieters) - |z| > 2,5: Gematigd - |z| > 2: Liberaal (vangt meer uitschieters)

IQR-methode (alternatief)

De interkwartielafstand (IQR)-methode is robuuster tegen uitschieters omdat deze het gemiddelde of de standaardafwijking niet gebruikt.

Stap 1

Bepaal Q1 (25e percentiel) en Q3 (75e percentiel)

Stap 2

Bereken IQR = Q3 - Q1

Stap 3

Ondergrens = Q1 - 1,5 × IQR

Stap 4

Bovengrens = Q3 + 1,5 × IQR

Stap 5

Punten buiten de grenzen zijn uitschieters

Omgaan met uitschieters

Niet automatisch verwijderen!

Uitschieters zijn niet altijd fouten. Onderzoek voordat u ze verwijdert: - Is het een invoer- of meetfout? - Is het een werkelijk extreme waarde? - Vertegenwoordigt het een belangrijk randgeval?

Wanneer verwijderen

- Bevestigde invoerfouten - Storing van meetapparatuur - Buiten het mogelijke waardenbereik

Wanneer behouden

- Vertegenwoordigt werkelijke variabiliteit - Belangrijk voor uw analyse - Verwijderen zou resultaten vertekenen

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.