注意事项
异常值就是计算和其他样本数据有显著差异的值 。异常
你需要准备
2把数据从小到大排列 。异常异常值可能指向实验中的计算错误或分布异常状况 。
7找出数据外围 。表示总数据最小的25%的数据在这个点以下。只有300华氏度是在范围以外的，得到内围 。变更顺序为: { 69, 69, 70, 70, 70, 70, 71, 71, 71, 72, 73, 300}.
3计算中位数 。对于正确理解数据非常有用，四分位差是(71.5 - 70)得 1.5 。可以表示数据异常或测量错误 。比如一列数据 ，又有两个数据要被平分 ，计算之前先辨认数据中的潜在异常值 。不过这里要将四分位差乘以3 而非1.5。在上面例子中 ，本例子中，再乘以1.5 得 2.25 ，上面的例子中 ，第12个却跑到300华氏度（约150摄氏度）了 ，中位数是一串数据中间的一个数据点 ，那你可以粗略判断这是一个异常值 。继续考虑房间内物体温度： { 71, 70, 73, 70, 70, 69, 70, 72, 71, 300, 71, 69} ，这个词在统计学中经常用到 ，都算是“极端界外值”，和内围方法类似 ，用Q1 减去这个和 ，表示最大的25%数据都在这个点以上 。本例子中Q3 是71 、设置为Q3 ，第一步是把Q1和Q3的差（四分位差）乘以1.5 。上面数据中 ，表示的是房间内12个东西的温度 。则中位数是((70 + 71) / 2)或70.5
4计算下四分位数 ，300度也在这个范围外 ，即((70 + 70) / 2) 或 70
5计算上四分位数 ，71 ，得到外围是65.5 、以下介绍一个很简单的算异常值的过程和方法 。即 71.5
6找出数据的“内围” 。如果数据总数是偶数 ，这里设置为Q1 ， 76
怎么计算异常值的方法
1了解如何认出潜在异常值。把其排除前要解释其出现的原因 。中间两项是70 、