Kibocsátása - adatok
Tegyük fel, hogy az adatokat. Nos, mondjuk az alábbiak szerint:
Ez így néz ki:
Úgy tűnik, van néhány kibocsátás tőlük. Ez az a pont, ami valószínűleg egy véletlen kiadás, nem az adatok mintákat. Nagyjából elmondható - ha az adatok lineáris regressziós modell, ezek a pontok nagyban torzítják az eredményeket jóslat több más pont. Nézzük a kibocsátás:
Nos, pontosan - két kiadás pont!
Most a legfontosabb dolog - meg kell megszabadulni tőlük az adatokat, és minden rendben lesz.
Ez könnyű azt mondani, persze, de ha nem tudja, hogyan - nagyon nehéz lesz. Ezenkívül - valójában - kiugró Detection elmélet nagyon mély, és amely számos esetben, de annak használata megköveteli a jó ismerete, matematikai és statisztikai eszközökkel.
Azt akarjuk, hogy „siet, nézzük távolítsa el a két pontot, meg minden.” Nos, mint te is emlékszel, idejöttünk Excel végül 🙂
És ez így „siet” enni. És ez azon a tényen alapul, hogy a box-plot nemcsak rajzol képet, hanem megtartja az összes beállítást a tárgyat. Ahonnan tudjuk kapni őket. Az ilyen kibocsátások itt tárolja: boxplot.stats (y) $ out
Menjünk az index a kibocsátási pont a mi vektorok:
ind
Mentsd meg a koordinátákat a kibocsátási pont egy külön dataframe (általában nem szükséges lépése lehetett lemondani egy másik pár vektorok)
outler
És most nézzük - vannak-e olyan pont sem találunk?
plot (x, y, col = 'kék', PCH = 20, ylim = C (0, max (y)))
pont (outler $ x, $ y outler, col = 'red', PCH = 19)
Hmm, mintha minden rendben van.
Ezután tisztítsd az adatokat a kibocsátás, ellenőrizze, hogy nincs statisztikai kiugró és vessen egy pillantást az új „tiszta” adatokat.
Ossza meg ezt a linket:
Jó tanács, hosszú időt vesz igénybe ezen a módon. A magam részéről levelet funkció, amely ellenőrzi a normalitás mintát egy vizsgálatok számát, majd a normális eloszlású adatokat használja a „három szigma” módszerrel, a többi - a leírt módszer ebben a bejegyzésben. A nyelv R végrehajtása elemi, gyors tisztításához kibocsátások kiválóan alkalmas. Köszönjük az érdekes blog!