Что такое верхняя граница выбросов?
Верхняя граница выбросов — это статистический порог, который помогает находить аномально большие значения в наборе данных. Любое наблюдение, расположенное выше этой границы, считается потенциальным выбросом и заслуживает дополнительной проверки. Этот приём — часть классического метода Тьюки для выявления выбросов; именно он задаёт «усы» на диаграмме размаха (ящике с усами).
Как пользоваться калькулятором
Введите первый квартиль (Q1) и третий квартиль (Q3) вашего набора данных. Калькулятор вычислит межквартильный размах (\(\text{IQR} = \text{Q3} - \text{Q1}\)), умножит его на 1,5 и прибавит результат к Q3 — так получается верхняя граница. Если вы ещё не знаете значения квартилей, отсортируйте данные по возрастанию и найдите медиану нижней половины (это Q1) и медиану верхней половины (это Q3).
Разбор формулы
Верхняя граница задаётся выражением $$\text{Верхняя граница} = \text{Q3} + 1{,}5 \times \left(\text{Q3} - \text{Q1}\right)$$. Величина \((\text{Q3} - \text{Q1})\) — это межквартильный размах, устойчивая мера разброса, которая не реагирует на экстремальные значения. Умножая IQR на 1,5, мы получаем «полосу допуска»; продлевая её вверх от Q3, мы задаём порог, выше которого наблюдения считаются необычно большими.
Пример расчёта
Пусть в наборе данных Q1 = 25, а Q3 = 75. Тогда IQR равен \(75 - 25 = 50\). Верхняя граница составит $$75 + 1{,}5 \times 50 = 75 + 75 = 150.$$ Любое значение больше 150 будет считаться потенциальным высоким выбросом.
Частые вопросы
Почему именно 1,5? Коэффициент 1,5 — стандартный множитель, предложенный Джоном Тьюки. Он удерживает баланс между чувствительностью метода и числом ложных срабатываний для данных, близких к нормальному распределению. Иногда используют множитель 3,0 — для поиска «экстремальных» выбросов.
А как насчёт нижней границы? Симметричный нижний порог рассчитывается как \(\text{Q1} - 1{,}5 \times \text{IQR}\). Значения ниже него считаются низкими выбросами.
Значение выше границы — это всегда ошибка? Нет. Оно лишь помечается для проверки: это вполне может быть настоящее, хотя и экстремальное, наблюдение.
Верхняя граница при различных сценариях Q1/Q3
Внутренняя (верхняя) граница равна \(Q_3 + 1.5 \times \text{IQR}\), а внешняя граница равна \(Q_3 + 3 \times \text{IQR}\), где \(\text{IQR} = Q_3 - Q_1\). В таблице показано, как границы меняются в зависимости от квартилей.
| Q1 | Q3 | IQR | Верхняя граница (1.5×IQR) | Внешняя граница (3×IQR) |
|---|---|---|---|---|
| 25 | 75 | 50 | 150 | 225 |
| 10 | 20 | 10 | 35 | 50 |
| 40 | 50 | 10 | 65 | 80 |
| 100 | 110 | 10 | 125 | 140 |
| 0 | 8 | 8 | 20 | 32 |
В строках 2–4 одинаковый IQR (10), поэтому границы находятся на одинаковом расстоянии над Q3 (15 для внутренней границы и 30 для внешней). Меняется только положение Q3. Более широкий IQR, как в первой строке, отодвигает границы значительно дальше от Q3.
Интерпретация результата верхней границы
- Умеренные выбросы: по методу Тьюки значение выше \(Q_3 + 1.5 \times \text{IQR}\) считается умеренным (возможным) выбросом.
- Экстремальные выбросы: значение выше \(Q_3 + 3 \times \text{IQR}\) считается экстремальным выбросом.
- Ус диаграммы размаха: в стандартной диаграмме размаха Тьюки верхний ус заканчивается на наибольшем значении данных, которое не превышает верхнюю границу. Точки за пределами границы отображаются отдельно.
- Граница выше максимума: если граница больше или равна наибольшему значению в данных, ни одно значение не помечается как высокий выброс, а ус заканчивается на максимуме.
- Метод вычисления квартилей: Q1 и Q3 могут немного различаться в зависимости от метода (например, медиана половин или интерполяция в электронных таблицах либо статистическом ПО), поэтому граница тоже может сместиться, особенно для небольших наборов данных.
- Отмеченное не удаляется: значение выше границы является кандидатом на проверку. Правило является условным способом отбора и само по себе не означает, что значение является ошибкой или не должно входить в данные.
Пошагово: поиск верхней границы по исходным данным
Иллюстративный набор данных (n = 10): 14, 2, 9, 5, 40, 7, 12, 4, 11, 8.
- Отсортируйте данные: 2, 4, 5, 7, 8, 9, 11, 12, 14, 40.
- Найдите медиану: при 10 значениях она равна среднему 5-го и 6-го значений: \((8 + 9)/2 = 8.5\).
- Найдите Q1 и Q3 как медианы нижней и верхней половин. Нижняя половина: 2, 4, 5, 7, 8, поэтому \(Q_1 = 5\). Верхняя половина: 9, 11, 12, 14, 40, поэтому \(Q_3 = 12\). (В статистических пакетах могут использоваться другие методы вычисления квартилей, и значения будут немного отличаться.)
- Вычислите IQR: \(\text{IQR} = 12 - 5 = 7\).
- Умножьте на 1.5: \(1.5 \times 7 = 10.5\).
- Прибавьте к Q3: \(\text{Верхняя граница} = 12 + 10.5 = \) 22.5.
- Сравните каждое значение с границей: каждое значение от 2 до 14 не превышает 22.5. Значение 40 больше 22.5, поэтому оно помечается как высокий выброс. Оно также превышает внешнюю границу \(12 + 3 \times 7 = 33\), поэтому по правилу Тьюки это экстремальный выброс.
Для полноты: нижняя граница равна \(5 - 10.5 = -5.5\), и ни одно значение не падает ниже неё. На диаграмме размаха верхний ус заканчивался бы на 14, наибольшем значении, не превышающем 22.5.