როგორ გამოვთვალოთ უკიდურესობა: 7 ნაბიჯი (სურათებით)

Სარჩევი:

როგორ გამოვთვალოთ უკიდურესობა: 7 ნაბიჯი (სურათებით)
როგორ გამოვთვალოთ უკიდურესობა: 7 ნაბიჯი (სურათებით)

ვიდეო: როგორ გამოვთვალოთ უკიდურესობა: 7 ნაბიჯი (სურათებით)

ვიდეო: როგორ გამოვთვალოთ უკიდურესობა: 7 ნაბიჯი (სურათებით)
ვიდეო: Terminal velocity 2024, მარტი
Anonim

გარეგანი არის დაკვირვების მონაცემები, რომლებიც რიცხობრივად მნიშვნელოვნად განსხვავდება ნიმუშის სხვა დაკვირვებებისგან. ტერმინი გამოიყენება სტატისტიკურ კვლევებში და შეიძლება მიუთითებდეს მონაცემთა ნაკრების დარღვევებზე ან გაზომვის შეცდომებზე. მონაცემების სწორად გააზრების უზრუნველსაყოფად მნიშვნელოვანია იმის ცოდნა, თუ როგორ უნდა გამოვთვალოთ ექსპერიმენტები და გამოიწვევს კვლევის უფრო ზუსტ დასკვნებს. არსებობს ძალიან მარტივი პროცესი მათი გამოთვლისთვის დაკვირვების მოცემული ნაკრებისთვის.

ნაბიჯები

გამოთვალეთ Outliers ნაბიჯი 1
გამოთვალეთ Outliers ნაბიჯი 1

ნაბიჯი 1. ისწავლეთ ამოიცნოთ პოტენციური გამორჩეული

სანამ გამოთვლით, არის თუ არა დაკვირვების მონაცემები გადამწყვეტი, ყოველთვის სასარგებლოა მონაცემთა ნაკრების შესწავლა და პოტენციური უკიდურესობების ამოცნობა. მაგალითად, განვიხილოთ მონაცემთა ნაკრები, რომელიც წარმოადგენს ოთახში 12 სხვადასხვა ობიექტის ტემპერატურას. თუ 11 ობიექტს აქვს ტემპერატურა დაახლოებით 21 ° C, მაგრამ მეთორმეტე (ალბათ ღუმელი) აქვს ტემპერატურა 150 ° C, სწრაფი შემოწმება შეიძლება ითქვას, რომ ღუმელი არის ზედმეტი.

გამოთვალეთ Outliers ნაბიჯი 2
გამოთვალეთ Outliers ნაბიჯი 2

ნაბიჯი 2. დაკვირვების მონაცემების ორგანიზება უმცირესიდან ყველაზე დიდამდე

ზემოთ მოყვანილი მაგალითის გათვალისწინებით, განიხილეთ შემდეგი მონაცემთა ნაკრები, რომელიც წარმოადგენს სხვადასხვა ობიექტების ტემპერატურას: {22, 21, 24, 21, 21, 20, 21, 23, 22, 150, 22, 20}. ეს ნაკრები უნდა განაწილდეს შემდეგნაირად: {20, 20, 21, 21, 21, 21, 22, 22, 22, 23, 24, 150}.

გამოთვალეთ Outliers ნაბიჯი 3
გამოთვალეთ Outliers ნაბიჯი 3

ნაბიჯი 3. მონაცემთა ნაკრების მედიანის გამოთვლა

მედიანა არის დაკვირვების მონაცემები, რომელიც მდებარეობს მონაცემთა ქვედა ნახევრის ზემოთ და ზედა ნახევრის ქვემოთ. თუ მონაცემთა ნაკრები შეიცავს დაკვირვების წყვილ რაოდენობას, მაშინ ორი საშუალო ტერმინი უნდა იქნას გათვალისწინებული. ზემოთ მოყვანილ მაგალითში ორი საშუალო ტერმინია 21 და 22, ასე რომ მედიანა არის ((21 + 22) / 2), ან 21, 5.

გამოთვალეთ Outliers ნაბიჯი 4
გამოთვალეთ Outliers ნაბიჯი 4

ნაბიჯი 4. გამოთვალეთ ქვედა კვარტილი

ეს წერტილი, სახელწოდებით Q1, არის დაკვირვების მონაცემები, რომელიც მდებარეობს დაკვირვების 25% -ზე დაბლა. ზემოთ მოყვანილ მაგალითში ორი ტერმინი კვლავ უნდა იქნას გათვალისწინებული, ამ დროს 21 და 21. ორიდან საშუალო იქნება ((21 + 21) / 2), ან 21.

გამოთვალეთ Outliers ნაბიჯი 5
გამოთვალეთ Outliers ნაბიჯი 5

ნაბიჯი 5. გამოთვალეთ ზედა კვარტილი

ეს წერტილი, სახელწოდებით Q3, არის დაკვირვების მონაცემები, რომელიც მდებარეობს დაკვირვების 25% -ზე მაღლა. ჩვენი მაგალითის გაგრძელებით, ორი კამათლის საშუალო 22 და 23 იწვევს Q3– ს, რაც არის 22, 5.

გამოთვალეთ Outliers ნაბიჯი 6
გამოთვალეთ Outliers ნაბიჯი 6

ნაბიჯი 6. იპოვეთ მონაცემთა ნაკრების "შიდა ბარიერები"

პირველი ნაბიჯი არის სხვაობა Q1 და Q3 (ეწოდება კვარტალთა დიაპაზონი) 1.5 -ით. ზემოთ მოცემულ მაგალითში კვარტალთა დიაპაზონი არის (22, 5 - 21), ანუ 1, 5. გავამრავლოთ ეს მნიშვნელობა 1 -ით, 5 იძლევა 2, 25. დაამატეთ ეს რიცხვი Q3– ს და გამოაკლეთ Q1– დან ბარიერების ასაშენებლად. ამ მაგალითში, ზედა და ქვედა შიდა ბარიერები იქნება 24, 75 და 18, 75.

ამ დიაპაზონის მიღმა არსებული ყველა დაკვირვებული მონაცემი განიხილება ზომიერი მოშორებით. ამ მაგალითის მონაცემთა ნაკრებში, მხოლოდ ღუმელის ტემპერატურა (150 ° C) ითვლება ზომიერ გამორჩეულად

გამოთვალეთ უკიდურესობა ნაბიჯი 7
გამოთვალეთ უკიდურესობა ნაბიჯი 7

ნაბიჯი 7. იპოვეთ მონაცემთა ნაკრების „გარე ბარიერები“

ეს კეთდება ისე, როგორც შიდა ბარიერებისთვის, გარდა იმისა, რომ კვარტალთა დიაპაზონი მრავლდება 3 – ით 1.5 – ის ნაცვლად. ზემოაღნიშნული კვარტალური დიაპაზონის 3 – ით გამრავლებით მივიღებთ (1, 5 * 3), ან 4, 5. ამრიგად, ზედა და ქვედა გარე ბარიერები არის 27 და 16, 5.

გარე ბარიერების მიღმა აღმოჩენილი ნებისმიერი დაკვირვებული ღირებულება განიხილება უკიდურესად განუყოფლად. ამ მაგალითში, ღუმელის ტემპერატურა, 150ºC, ასევე უკიდურესად მაღალია

გირჩევთ: