KatamtamanMga Aplikasyon·9 min

Pag-detect ng mga Outliers Gamit ang Standard Deviation

Alamin kung paano tukuyin ang mga outliers sa iyong datos gamit ang standard deviation. I-master ang 3-sigma rule, IQR method, at unawain kung kailan dapat alisin ang mga outliers.

Ano ang mga Outliers?

Ang mga outliers ay mga data points na malaki ang pagkakaiba sa ibang mga obserbasyon. Maaari silang sanhi ng mga pagkakamali sa pagsukat, mga pagkakamali sa pag-encode ng datos, o maaaring kumakatawan sa mga tunay na hindi pangkaraniwang kaso na sulit suriin.

Ang orange na punto sa (10, 50) ay isang outlier

Ang 3-Sigma Rule

Para sa normally distributed na datos, ang mga punto na lampas sa 3 standard deviations mula sa mean ay itinuturing na mga outliers. Nangyayari sila nang mas mababa sa 0.3% ng panahon dahil sa pagkakataon.

Outlier kung

x < μ - 3σ OR x > μ + 3σ

Halimbawa

Kung ang mga marka sa pagsusulit ay may μ = 75 at σ = 10: - Lower bound: 75 - 30 = 45 - Upper bound: 75 + 30 = 105 - Anumang marka na mas mababa sa 45 o mas mataas sa 105 ay isang outlier

Z-Score Method

Kalkulahin ang z-score para sa bawat data point. Kung |z| > 3 (o minsan 2.5), ito ay isang outlier.

Z-Score

z = (x - μ) / σ

Mga Pagpipilian sa Threshold

- |z| > 3: Konserbatibo (nakakakuha ng mas kaunting outliers) - |z| > 2.5: Katamtaman - |z| > 2: Liberal (nakakakuha ng mas maraming outliers)

IQR Method (Alternatibo)

Ang Interquartile Range (IQR) method ay mas robust sa mga outliers dahil hindi nito ginagamit ang mean o standard deviation.

Hakbang 1

Hanapin ang Q1 (25th percentile) at Q3 (75th percentile)

Hakbang 2

Kalkulahin ang IQR = Q3 - Q1

Hakbang 3

Lower fence = Q1 - 1.5 × IQR

Hakbang 4

Upper fence = Q3 + 1.5 × IQR

Hakbang 5

Ang mga punto sa labas ng mga fence ay mga outliers

Pangangasiwa ng mga Outliers

Huwag Awtomatikong Burahin!

Ang mga outliers ay hindi palaging mga error. Bago alisin, suriin: - Error ba ito sa pag-encode o pagsukat? - Tunay bang extreme na halaga ito? - Kumakatawan ba ito sa isang mahalagang edge case?

Kailan Aalisin

- Nakumpirmang mga error sa pag-encode ng datos - Hindi gumagana ang kagamitan sa pagsukat - Labas sa posibleng saklaw ng mga halaga

Kailan Itatago

- Kumakatawan sa tunay na variability - Mahalaga para sa iyong pagsusuri - Ang pag-alis ay magdudulot ng bias sa mga resulta

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.