四分位距异常值上下界计算器

上下界方法是使用四分位距（IQR）识别数据集中异常值的标准技术。它由 John Tukey 在 1977 年提出，作为探索性数据分析框架的一部分，提供了一种稳健、非参数的方法来标记异常观测值，而不必假设数据服从任何特定分布。这种方法广泛用于入门统计课程，也是箱线图默认的异常值检测方式。 计算时，先对数据集排序并求出第一、第三四分位数。Q1（第 25 百分位）是 25% 数据落在其下方的值，Q3（第 75 百分位）则是 75% 数据落在其下方的值。IQR 就是 Q3 减去 Q1，表示中间 50% 数据的离散程度。由于 IQR 忽略了分布两端的极端值，它对自己要检测的异常值具有抗干扰性，因此这种界限法比基于极差的方法更可靠。 计算出 IQR 后，界限会设为 Q1 下方 1.5 × IQR（下界）以及 Q3 上方 1.5 × IQR（上界）。任何低于下界或高于上界的数据点都会被判定为异常值。Tukey 经验性地选择了 1.5 这个倍数，因为它对近似正态的数据表现良好：在正态分布中，这条规则会将约 0.7% 的观测值标记为异常值，相当于比均值远约 2.7 个标准差以上的值。 对于更极端的异常值，有些应用会将倍数从 1.5 提高到 3，并把这类点标记为远异常值或极端异常值。位于 1.5 × IQR 界限之外但仍在 3 × IQR 界限之内的点，有时称为轻微异常值。本计算器使用标准的 1.5 × IQR 规则，适合大多数探索性分析。 异常值检测是数据清洗、质量控制和统计建模中的关键步骤。在制造业中，落在界限之外的过程测量值可能意味着产品有缺陷或测量错误。在金融领域，极端收益可能提示数据错误、市场异常或需要调查的真实事件。在临床研究中，生理上不可能的数值会被识别并复核。在机器学习中，若不处理异常值，它们会扭曲模型训练。 需要记住的是，统计异常值并不一定就是错误值。异常值只是根据 IQR 规则来看，明显远离大部分数据的观测值。是否代表真实极端事件、测量误差还是录入错误，都需要结合上下文进一步调查。