ŚredniozaawansowanyZastosowania·9 min

Wykrywanie wartości odstających za pomocą odchylenia standardowego

Naucz się identyfikować wartości odstające w danych za pomocą odchylenia standardowego. Opanuj regułę 3 sigm, metodę IQR i dowiedz się, kiedy wartości odstające powinny być usuwane.

Czym są wartości odstające?

Wartości odstające (outliers) to punkty danych znacząco różniące się od pozostałych obserwacji. Mogą być spowodowane błędami pomiarowymi, pomyłkami przy wprowadzaniu danych lub mogą reprezentować rzeczywiście nietypowe przypadki warte zbadania.

Pomarańczowy punkt w pozycji (10, 50) jest wartością odstającą

Reguła 3 sigm

Dla danych o rozkładzie normalnym punkty wykraczające poza 3 odchylenia standardowe od średniej są uznawane za wartości odstające. Występują one w mniej niż 0,3% przypadków.

Wartość odstająca, jeśli

x < μ - 3σ OR x > μ + 3σ

Przykład

Jeśli wyniki testu mają μ = 75 i σ = 10: - Dolna granica: 75 - 30 = 45 - Górna granica: 75 + 30 = 105 - Każdy wynik poniżej 45 lub powyżej 105 jest wartością odstającą

Metoda Z-score

Oblicz Z-score dla każdego punktu danych. Jeśli |z| > 3 (lub czasem 2,5), punkt jest wartością odstającą.

Z-score

z = (x - μ) / σ

Opcje progowe

- |z| > 3: Konserwatywne (wychwytuje mniej wartości odstających) - |z| > 2,5: Umiarkowane - |z| > 2: Liberalne (wychwytuje więcej wartości odstających)

Metoda IQR (alternatywa)

Metoda rozstępu międzykwartylowego (IQR) jest bardziej odporna na wartości odstające, ponieważ nie wykorzystuje średniej ani odchylenia standardowego.

Krok 1

Znajdź Q1 (25. percentyl) i Q3 (75. percentyl)

Krok 2

Oblicz IQR = Q3 - Q1

Krok 3

Dolna granica = Q1 - 1,5 × IQR

Krok 4

Górna granica = Q3 + 1,5 × IQR

Krok 5

Punkty poza granicami są wartościami odstającymi

Postępowanie z wartościami odstającymi

Nie usuwaj automatycznie!

Wartości odstające nie zawsze są błędami. Przed ich usunięciem zbadaj: - Czy to błąd przy wprowadzaniu danych lub pomiarze? - Czy to autentyczna wartość ekstremalna? - Czy reprezentuje ważny przypadek brzegowy?

Kiedy usuwać

- Potwierdzone błędy przy wprowadzaniu danych - Awaria sprzętu pomiarowego - Wartość poza możliwym zakresem

Kiedy zachować

- Reprezentuje rzeczywistą zmienność - Jest ważna dla analizy - Usunięcie zniekształciłoby wyniki

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.