Vad är avvikande värden?
Avvikande värden (outliers) är datapunkter som skiljer sig markant från andra observationer. De kan orsakas av mätfel, felinmatning av data, eller så kan de representera genuint ovanliga fall värda att undersöka.
Den orangea punkten vid (10, 50) är ett avvikande värde
3-sigmaregeln
För normalfördelad data betraktas punkter bortom 3 standardavvikelser från medelvärdet som avvikande värden. De förekommer i mindre än 0,3 % av fallen av ren slump.
Outlier om
x < μ - 3σ OR x > μ + 3σ
Exempel
Om provresultat har μ = 75 och σ = 10:
- Nedre gräns: 75 - 30 = 45
- Övre gräns: 75 + 30 = 105
- Alla poäng under 45 eller över 105 är avvikande värden
Z-poängmetoden
Beräkna z-poängen för varje datapunkt. Om |z| > 3 (eller ibland 2,5) är det ett avvikande värde.
Z-poäng
z = (x - μ) / σ
Tröskelval
- |z| > 3: Konservativ (fångar färre outliers)
- |z| > 2,5: Måttlig
- |z| > 2: Liberal (fångar fler outliers)
IQR-metoden (alternativ)
Kvartilavståndsmetoden (IQR) är mer robust mot avvikande värden eftersom den inte använder medelvärde eller standardavvikelse.
1
Steg 1
Hitta Q1 (25:e percentilen) och Q3 (75:e percentilen)
2
Steg 2
Beräkna IQR = Q3 - Q1
3
Steg 3
Nedre gräns = Q1 - 1,5 × IQR
4
Steg 4
Övre gräns = Q3 + 1,5 × IQR
5
Steg 5
Punkter utanför gränserna är avvikande värden
Hantering av avvikande värden
Ta inte bort automatiskt!
Avvikande värden är inte alltid fel. Innan du tar bort dem, undersök:
- Är det ett felinmatat eller felmätt värde?
- Är det ett genuint extremvärde?
- Representerar det ett viktigt gränsfall?
När du ska ta bort
- Bekräftade felinmatningar
- Mätutrustning felaktig
- Utanför möjliga värdeintervallet
När du ska behålla
- Representerar verklig variabilitet
- Viktigt för din analys
- Att ta bort skulle snedvrida resultaten