外れ値計算機 - IQR法で外れ値を検出

外れ値とは、データセット内の他の値から異常に離れたデータ点です。統計分析では、外れ値が平均値や標準偏差などの要約統計をゆがめ、分散推定を大きくし、パラメトリック検定の前提を崩すことがあります。早期に見つけることは、探索的データ分析、品質管理、機械学習の前処理において重要なステップです。 外れ値検出で最も広く使われる方法は四分位範囲（IQR）に基づくものです。IQRは第3四分位数（Q3）と第1四分位数（Q1）の差です。この方法は、平均値や標準偏差とは異なり、極端値自体の影響を受けにくいため堅牢です。2つの境界の式は、下限 = Q1 − k × IQR、上限 = Q3 + k × IQR です。これらの境界の外にあるデータ点は外れ値として分類されます。 乗数kは、外れ値をどれだけ厳しく判定するかを決めます。最も一般的なのはk = 1.5で、箱ひげ図分析の標準値です。これは「軽度」の外れ値、つまり全体の大部分からは明らかに外れるものの、妥当な説明があり得る値を検出します。k = 3.0 にすると基準はより厳しくなり、「極端」な外れ値だけが検出されます。つまり、主分布から非常に離れていて、ほぼ確実にエラー、異常、または本当にまれな事象を示す値です。 四分位数を求めるために、計算機はまずデータを昇順に並べ替えます。Q1は並べ替え後データの25パーセンタイル、Q3は75パーセンタイルです。四分位の位置が2つのデータ点の間にある場合は、計算機が線形補間を行い、Excelの既定値や多くの統計パッケージの慣例に合った滑らかな結果を返します。 外れ値の検出は自動削除を意味しません。検出された外れ値を削除または変換する前に、原因を調べるべきです。入力ミス（数字の打ち間違い）、測定ミス（機器の誤読）、抽出ミス（別の母集団からの値）、あるいは科学的に重要で残すべき真の極端観測である可能性があります。たとえば不正検知では、最も重要なデータ点が外れ値であることがあります。臨床研究では、最も極端な反応を示した患者が最も有益な場合もあります。判断は必ず記録し、迷う場合は外れ値の有無の両方で結果を報告して感度を示してください。 IQR法はノンパラメトリックであり、母集団分布の形状を仮定しません。そのため、歪んだ分布、小標本、複数のクラスタを含むデータに特に適しています。おおむね正規分布で標本数が多い場合は、Zスコア法（平均から2〜3標準偏差を超える値を検出する方法）も代替になりますが、Zスコア自体が検出対象の外れ値の影響を受けて膨らむため、IQR法のほうが一般に信頼性が高いです。