Калькулятор верхней и нижней границ IQR

Метод верхней и нижней границ — стандартный способ выявления выбросов в наборе данных с использованием межквартильного размаха (IQR). Он был разработан как часть подхода Джона Тьюки к разведочному анализу данных в 1977 году и предлагает надёжный непараметрический способ отмечать необычные наблюдения без предположения о конкретном распределении данных. Метод широко изучается в вводных курсах статистики и является базовым способом обнаружения выбросов в box-and-whisker plots. Расчёт начинается с упорядочивания набора данных и определения первого и третьего квартилей. Q1 (25-й перцентиль) — это значение, ниже которого находится 25% данных, а Q3 (75-й перцентиль) — значение, ниже которого находится 75% данных. IQR — это просто Q3 минус Q1, то есть разброс средней половины данных. Поскольку IQR игнорирует крайние значения по обоим концам распределения, он устойчив к тем самым выбросам, которые и пытается обнаружить, — это делает метод границ более надёжным, чем методы, основанные на размахе. После вычисления IQR границы устанавливаются на уровне 1.5 × IQR ниже Q1 (нижняя граница) и 1.5 × IQR выше Q3 (верхняя граница). Любая точка данных ниже нижней границы или выше верхней границы считается выбросом. Множитель 1.5 Тьюки выбрал эмпирически, потому что он хорошо работает для данных, близких к нормальным: при нормальном распределении это правило отмечает примерно 0.7% наблюдений как выбросы, что соответствует значениям более чем примерно на 2.7 стандартного отклонения от среднего. Для более экстремальных выбросов некоторые приложения используют множитель 3 вместо 1.5, называя такие точки дальними или экстремальными выбросами. Точки, находящиеся вне границы 1.5 × IQR, но внутри 3 × IQR, иногда называют умеренными выбросами. Этот калькулятор использует стандартное правило 1.5 × IQR, подходящее для большинства разведочных анализов. Обнаружение выбросов — важный этап очистки данных, контроля качества и статистического моделирования. В производстве измерение процесса за пределами границы может указывать на брак или ошибку измерения. В финансах экстремальные доходности могут сигнализировать об ошибках данных, аномалиях рынка или реальных событиях, требующих проверки. В клинических исследованиях выявляются и проверяются физиологически невозможные значения. В машинном обучении выбросы могут искажать обучение модели, если их не обработать. Важно помнить, что статистические выбросы не обязательно являются ошибочными значениями. Выброс — это просто наблюдение, которое по правилу IQR необычно далеко от основной массы данных. Нужно выяснить, является ли значение реальным экстремальным событием, ошибкой измерения или ошибкой ввода.