Tartalomjegyzék:
Meghatározás - Mit jelent a külsõ észlelés?
A külsõ észlelés a külsõ adatok észlelésének és késõbbi kizárásának egy folyamata egy adott adathalmazból.
Egy külsõ adat lehet olyan adat vagy megfigyelés, amely drasztikusan eltér az adott normától vagy az adatkészlet átlagától. A külsõ eseményeket csak véletlen okozhatja, de jelezheti a mérési hibát is, vagy azt, hogy az adott adatkészlet súlyos eloszlású.
Itt van egy egyszerű forgatókönyv a külső megjelenéshez: a mérési folyamat következetesen 1 és 10 közötti leolvasást eredményez, de néhány ritka esetben 20-nál nagyobb méréseket kapunk.
Ezeket a ritka méréseket, amelyek meghaladják a normát, kiugrónak nevezzük, mivel "kívül esnek" a normál eloszlási görbén.
A Techopedia magyarázza a külsõ észlelést
Valójában nincs szabványosított és merev matematikai módszer a külső érték meghatározására, mivel ez valóban változik a halmaztól vagy az adatpopulációtól függően, tehát meghatározása és észlelése végül szubjektívvá válik. Egy adott adatmezőben végzett folyamatos mintavétel útján meghatározható egy külső elem jellemzői az észlelés megkönnyítése érdekében.
Vannak modell alapú módszerek a külsõ értékek kimutatására, és feltételezik, hogy mind az adatok normál eloszlásból származnak, és ezek alapján megfigyeléseket vagy pontokat azonosítanak, amelyek átlag vagy szórás alapján valószínûtlennek bizonyulnak. Számos módszer létezik a külsõ észlelésre:
- Grubb-féle teszt a túlmutatókra - Ez azon a feltevésen alapul, hogy az adatok normál eloszlásúak, és eltávolítja az egyes értékeket egyidejűleg a teszt megismétlésével mindaddig, amíg nem találnak további outliereket.
- Dixon Q-teszt - Az adatkészlet normalitásán alapuló módszerrel ez a módszer is ellenőrzi a rossz adatokat. Megjegyezték, hogy ezt óvatosan kell használni, és soha nem többször, mint egy adatkészletben.
- Chauvenet kritériuma - Ezt annak elemzésére használják, hogy a külső érték hamis vagy továbbra is a határokon belül van-e, és a készlet részeként tekinthető-e. A középértéket és a szórást kiszámítják, és kiszámítják a túllépés valószínűségét. Az eredmények meghatározzák, be kell-e illeszteni.
- Pierce kritériuma - Hibakorlátot állapítunk meg egy megfigyelési sorozat számára, amelyen túl minden megfigyelést el kell vetni, mivel azok már tartalmaznak ilyen nagy hibát.
