Calculateur de Valeurs Aberrantes (Méthode IQR)
Calculateur de Valeurs Aberrantes (Méthode IQR)
Entrez une liste de nombres pour trouver ses limites de valeurs aberrantes et toute valeur qui en sort, en utilisant la méthode standard 1.5×écart interquartile (IQR) — la même règle utilisée pour décider quels points sont marqués séparément sur un diagramme en boîte.
- Formule : Limite Inférieure = Q1 − 1.5×IQR ; Limite Supérieure = Q3 + 1.5×IQR — toute valeur en dehors de cette plage est signalée comme aberrante.
- Pourquoi 1.5×IQR ? c'est la convention la plus largement utilisée (introduite par le statisticien John Tukey) pour un seuil standard raisonnable.
- Pas une preuve d'erreur : une valeur aberrante statistique n'est pas automatiquement une erreur — elle peut être une donnée réelle et inhabituelle qui mérite d'être étudiée.
Dois-je toujours supprimer les valeurs aberrantes détectées de mes données ?
Pas nécessairement — enquêtez d'abord pour savoir si la valeur aberrante reflète une véritable erreur de saisie de données ou une observation réellement inhabituelle.
Quelle est la différence entre ceci et une règle de valeurs aberrantes basée sur le score Z ?
La méthode IQR est basée sur les quartiles et n'est pas affectée par les valeurs extrêmes de la même manière que la moyenne et l'écart type peuvent l'être.
Calculateur de Valeurs Aberrantes (Méthode IQR)
Entrez une liste de nombres pour trouver ses limites de valeurs aberrantes et toute valeur qui en sort, en utilisant la méthode standard 1.5×écart interquartile (IQR) — la même règle utilisée pour décider quels points sont marqués séparément sur un diagramme en boîte.
- Formule : Limite Inférieure = Q1 − 1.5×IQR ; Limite Supérieure = Q3 + 1.5×IQR — toute valeur en dehors de cette plage est signalée comme aberrante.
- Pourquoi 1.5×IQR ? c'est la convention la plus largement utilisée (introduite par le statisticien John Tukey) pour un seuil standard raisonnable.
- Pas une preuve d'erreur : une valeur aberrante statistique n'est pas automatiquement une erreur — elle peut être une donnée réelle et inhabituelle qui mérite d'être étudiée.
Dois-je toujours supprimer les valeurs aberrantes détectées de mes données ?
Pas nécessairement — enquêtez d'abord pour savoir si la valeur aberrante reflète une véritable erreur de saisie de données ou une observation réellement inhabituelle.
Quelle est la différence entre ceci et une règle de valeurs aberrantes basée sur le score Z ?
La méthode IQR est basée sur les quartiles et n'est pas affectée par les valeurs extrêmes de la même manière que la moyenne et l'écart type peuvent l'être.