如何判斷數據里的離群值

『壹』 請舉例說明異常值、離群值和極值有什麼聯系和區別

異常值、離群值和極值的聯系和區別在於，離群值處理，因為過大或過小的數據可能會影響到分析結果，尤其是在做回歸的時候，我們需要對那些離群值進行處理。

實際上離群值和極值是有區別的，因為極值不代表異常，但實際處理中這兩個所用方法差不多，所以這里也不強行區分了。處理方法是調整因子值中的離群值至上下限（Winsorzation處理），其中上下限由離群值判斷的標准給出，從而減小離群值的影響力。離群值的判斷標准有三種，分別為 MAD、 3σ、百分位法。

異常值、離群值和極值聯系在於，MAD又稱為絕對值差中位數法Median Absolute Deviation，MAD 是一種先需計算所有因子與平均值之間的距離總和來檢測離群值的方法。

處理的邏輯：第一步，找出所有因子的中位數 Xmedian，第二步，得到每個因子與中位數的絕對偏差值 XiXmedian，第三步，得到絕對偏差值的中位數 MAD；最後，確定參數 n，從而確定合理的范圍。

XmediannMAD,Xmedian+nMAD並針對超出合理范圍的因子值作如下的調整，並且二者之間的區別在於原始序列的相對排序關系。

所以對原始變數的分布不做要求，屬於非參數統計方法，可以適用於更多類型的數據。首先將原始數據的排序值作為參數，再將之帶入方法一的標准化計算中。

『貳』 處理離群值的方法

處理離群值的方法：保留，修正，剔除，替補。

離群值是指在數據中有一個或幾個數值與其他數值相比差異較大。離群值是一種不同於其他觀測值的觀測值。它是少見的，或獨特的。

測試數據集 在研究離群值識別方法之前，我們先定義一個用於測試這些方法的數據集。簡而言之就是，超越人類常識和不彎握符合邏輯的變數的值即是離群值。

離群值是指與其他數據差異較大，會對數據分析結果產生影響的觀測值，數據中的離群值往往會扭曲預測結果並影響模純喚型精度埋褲慶，回歸模型中離群值的影響尤其大，因此我們需要對其進行檢測和處理。

分析化學離群值，即可疑值的判斷，常用以下兩種方法：Q-檢驗法：需要計算平均值、統計量Q值、查Q值表，再比對判斷；格魯布斯法：需要計算平均值、標准偏差、統計量T值、查t值表，在再比對判斷。

ESD檢驗是一個檢測離群值的方法。它檢驗服從近似正態 分布的一個單變數數據集中的一個或多個離群值。統計學中，離群值是不屬於某個總體的數據點，它是一種與其他值相差甚遠的異常觀察，是一種與其他結構良好的數據不同的觀察值。

『叄』 用spss怎麼找出離群值和異常值

第一步：異常值檢測
異常值的檢驗有很多種方法，最常見的是圖示法，也有使用分析方法進行探索，如下說明。
箱盒圖：實驗研究時經常使用，非常直觀的展示出異常數據；
散點圖：研究X和Y的關系時，可直觀展示查看是否有異常數據；
描述分析：可通過最大最小值等各類指標大致判斷數據是否有異常；
其它：比如結合正態分布圖，頻數分析等判斷是否有異常值。
02
第二步：異常值判定
上述已經說明異常值會帶來嚴重的影響，扭曲數據結論等。那麼首先需要設定異常值的標准，然後再對其進行處理。異常值的判定標准並不統一，更多是通過人為標准進行設定，SPSSAU提供以下幾類判定規則：
缺失數字
小於設定標準的數字
大於設定標準的數字
大於3個標准差

03
第三步：異常值處理
完成異常值的判定之後，接著需要進行處理；SPSSAU提供兩類處理方式，分別為：
1、設置為Null值；此類處理最簡單，而且絕大多數情況下均使用此類處理；直接將異常值「幹掉」，相當於沒有該異常值。如果異常值不多時建議使用此類方法
2、填補；如果異常值非常多時，則可能需要進行填補設置，SPSSAU共提供平均值，中位數，眾數和隨機數共四種填補方式。建議使用平均值填補方式。

『肆』 我想問問如何找出excel離群值

1、在菜單欄上執行：數據挖掘--清除數據--離群值,
2、打開了離群值對話框，直接點擊下一步,
3、選擇數據源，通常選余唯擇一個表作豎拆培為數據源，如表格里數據有很多，只有一部分需要進行清理，可以選擇數據區域，點擊下一步,
4、在這里選擇你要清除離群值的列，點擊下一步,
5、輸入最大值和最小值，這里要預先想哪個范圍的值是可以接受的，輸入最大值和最小值以後，會看到御拿圖中多出了一些陰影部分，那就是離群值。
更多關於如何找出excel離群值，進入：https://m.abcgonglue.com/ask/7054731615124664.html?zd查看更多內容

『伍』 如果調查一組數據的標准差，則檢驗該組數據是否存在離群值的方法有哪些

可以選擇以下方法。用線性回歸的辦法求得某一點到直線最遠，去除這一點逗攔即可。異常值也稱離群值,具體地說,判斷標准山絕胡依據實際情況,根據宏察業務知識及實際需要而定。

要是一般地說,可以用公式計算：

upper adjacent value = 75th percentile + (75th percentile – 25th percentile) * 1.5。

lower adjacent value = 25th percentile – (75th percentile – 25th percentile) * 1.5。

『陸』 如何在SPSS中找出離群值及其處理

spss：
分析-描述統計-描述-選項（選擇指咐自己需要的值）-將標准化得分另存為變數-確定，在缺逗臘變數視圖就能看到各個值的Z值。Z值>3或伏滑者<-3的值是離群值。

『柒』 離群值的特徵

發現離群值也可以通過觀察值的頻數表或直方圖來初步判斷，也可通過統計軟體作觀察值的箱式圖來判斷，如果觀測值距箱式圖底線Q1（第25百分位數）或頂線Q3（第75百分位數）過遠，如超出箱體高度（四分位數間距）的兩倍以上，則可視該觀測值為離群值。當數據近似正態分布時，有一種較為簡單的方法，可用均數加減2.5s來判斷，如觀測值在此范圍以外，可視為離群值。在統計學上也可用線性回歸的方法來對離群值進行判斷。當出現離群值的時候，要慎重處理，要將專業知識和統計學方法結合起來，首先應認真檢查原始數據，看能否從專業上加以合理的解釋，如數據存在邏輯錯誤而原始記錄又確實如此，又無法在找到該觀察對象進行核實，則只能將該觀測值刪除。如果數據間無明顯的邏輯錯誤，則可將蠢扒離群值刪除前後各做一次統計分析，若前後結果不矛盾，則該兆檔粗例觀測值可予以保留。
離群值處理方法包括：
一、剔除離群值，不追加觀測值；
二、剔除離群值，追加觀測值；或剔除離群值，適宜地插補替代；
三、找到實際原因修正離群值，否則予以保留的； 離群值的取捨 1. 定義在一組平行測定數據中，有時會出現個別值與其他值相差較遠，這種值叫離群值。族鎮判斷一個測定值是否是離群值，不是把數據擺在一塊看一看，那個離得遠，那個是離群值，而是要經過計算、比較才能確定，我們用的方法就叫Q檢驗法。2. 檢驗方法（1）求Q：Q= 即：求出離群值與其最鄰近的一個數值的差，再將它與極差相比就得Q值。（2）比較：根據測定次數n和置信度查Q，若Q>Q，則離群值應捨去，反之則保留離群值。

『捌』 如何判斷和處理離群點

用殘差分析，常用標准化殘差圖，以本人未在正負3個標准差意外區域出現的點為離群點，正負2個標准差以外為可能離群點。

『玖』 R如何找熱圖中的離群值

可以通過三個方法找出離群值：
1.單變數檢測法
2.雙變宏握旦量檢測法
3.多元模型檢測法
離群值 (outliers)是指在一份數蔽擾據中,與其他觀察值具有明顯不同特徵的那些觀察值。然而，並沒有一個明確的准則皮慧來判斷哪些觀察值屬於「離群值」。這主要取決於多種因素。

『拾』 四分位數法是用來檢測離群值的常用方法之一

對。這種方法用中位數度量數據的集中趨勢,四分位數間距度量數據的離散程度,因為這些統計量對離群值更為穩健(即不大敏感)。

處理離群值的方法有：保留離群值並用於後續數據處理；在找到實際原因時修正離群值，否則予以保留；剔除離群值，不追加觀測值；剔除離群值，並追加新的觀測值或用適宜的插補值代替。

格魯布斯檢驗方法： 在定量分析實驗中，實驗結束後，必須對分析數據進行處理，在一組分析數據中，往往有個別數據與其它數激拿據相差較大，這種個別數據稱為可疑值。

觀測等產生離群值的處理方法：保留，修正，剔除，替補。

離群值(outlier)是指在數據中有一鋒茄個或幾個數值與其他數值相比差異較大。離群值是一種不同於其他觀測值的觀測值。它是少見的，或獨特的。測試數據集 在研究離群值識別方法之前，我們先定義一個用於測試這些方法的數據集。

簡而言之就是，超越人類常識和不符合邏輯的變數的明基搭值即是離群值。

ESD檢驗是一個檢測離群值的方法。它檢驗服從近似正態 分布的一個單變數數據集中的一個或多個離群值。統計學中，離群值是不屬於某個總體的數據點，它是一種與其他值相差甚遠的異常觀察，是一種與其他結構良好的數據不同的觀察值。