离群值计算器 - 使用IQR方法检测离群值

离群值是指与数据集中其他值相距异常远的数据点。在统计分析中，离群值会扭曲均值和标准差等汇总统计，放大方差估计，并破坏参数检验的前提。尽早识别离群值是探索性数据分析、质量控制和机器学习预处理中的关键步骤。 最常用的离群值检测方法基于四分位距（IQR），即第三四分位数（Q3）与第一四分位数（Q1）之差。该方法具有鲁棒性，因为IQR不同于均值和标准差，不会被极端值本身显著影响。两个边界的公式为：下边界 = Q1 − k × IQR，上边界 = Q3 + k × IQR。落在这些边界之外的任何数据点都会被判定为离群值。 乘数k决定了判定离群值的严格程度。最常见的选择是k = 1.5，这是箱线图分析中的默认值，用于识别所谓的“轻度”离群值——这些值明显偏离大部分数据，但仍可能有合理解释。若k = 3.0，标准更严格；只有“极端”离群值才会被标记——即距离主体分布非常远、几乎可以确定是错误、异常或真正罕见事件的值。 为了计算四分位数，计算器首先按升序对数据排序。Q1是排序后数据的第25百分位数，Q3是第75百分位数。当四分位位置落在两个数据点之间时，计算器会进行线性插值，以得到与Excel默认设置以及许多统计软件约定一致的平滑结果。 检测到离群值并不意味着应自动删除。在移除或转换任何离群值之前，应先调查其成因。离群值可能是录入错误（数字输错）、测量错误（仪器读数失准）、抽样错误（来自不同总体的值），也可能是真实且具有科学意义的极端观测，应当保留。例如，在欺诈检测中，最重要的数据点往往就是离群值；在临床研究中，反应最极端的患者可能提供最多信息。务必记录你的决定，并在不确定时同时报告包含和不包含离群值的结果，以展示敏感性。 IQR方法属于非参数方法，这意味着它对底层分布形状没有假设。因此，它尤其适合偏态分布、小样本以及包含多个聚类的数据。对于近似正态且样本量较大的数据，可以使用Z分数方法（将距离均值超过2或3个标准差的值标记出来）作为替代，但Z分数本身也会被其试图检测的离群值所放大，因此IQR方法通常更可靠。