什麼是上界(Upper Fence)?
上界是統計上用來判定資料中「偏高」離群值的一條界線。任何高於上界的數值,都會被標示為潛在的離群值,值得進一步檢視。它源自經典的 Tukey 離群值偵測法,也正是盒鬚圖(box-and-whisker plot)中繪製「鬚線」所依據的方法。
如何使用這個計算器
輸入資料的第一四分位數(Q1)與第三四分位數(Q3)。計算器會先算出四分位距(\(\text{IQR} = \text{Q3} - \text{Q1}\)),再乘以 1.5,最後加回 Q3,即得上界。如果你還不知道自己的四分位數,可以先將資料由小到大排序,取下半部的中位數作為 Q1、上半部的中位數作為 Q3。
公式解析
上界的定義為 $$\text{Upper Fence} = \text{Q3} + 1.5 \times \left(\text{Q3} - \text{Q1}\right)$$ 其中 \(\text{Q3} - \text{Q1}\) 即為四分位距,是一種不受極端值影響、相當穩健的離散程度衡量。將 IQR 乘以 1.5 形成一個容許範圍;把這個範圍往 Q3 之上延伸,就劃定了判定「異常偏大」觀測值的門檻。
實例演算
假設某筆資料的 \(\text{Q1} = 25\)、\(\text{Q3} = 75\)。則 IQR 為 \(75 - 25 = 50\)。上界即為 $$75 + 1.5 \times 50 = 75 + 75 = 150$$ 換句話說,任何大於 150 的資料點,都會被視為潛在的高側離群值。
不同 Q1/Q3 情境下的上限圍欄
內側(上)圍欄為 \(Q_3 + 1.5 \times \text{四分位距}\),外側圍欄為 \(Q_3 + 3 \times \text{四分位距}\),其中 \(\text{四分位距} = Q_3 - Q_1\)。下表顯示圍欄如何隨四分位數變化。
| Q1 | Q3 | 四分位距 | 上限圍欄(1.5×四分位距) | 外側圍欄(3×四分位距) |
|---|---|---|---|---|
| 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 |
第 2–4 列的四分位距相同(10),因此圍欄與 Q3 的距離相同(內側圍欄為 15,外側圍欄為 30)。只有 Q3 的位置改變。如第一列所示,較寬的四分位距會使圍欄與 Q3 的距離大幅拉遠。
解讀你的上限圍欄結果
- 輕度離群值:在 Tukey 方法中,高於 \(Q_3 + 1.5 \times \text{四分位距}\) 的值被歸類為輕度(可能的)離群值。
- 極端離群值:高於 \(Q_3 + 3 \times \text{四分位距}\) 的值被歸類為極端離群值。
- 箱形圖鬚線:在標準 Tukey 箱形圖中,上鬚線終止於不超過上限圍欄的最大資料點。超出圍欄的點會個別繪出。
- 圍欄高於最大值:若圍欄大於或等於資料中的最大值,則沒有任何值被標記為高離群值,鬚線終止於最大值。
- 四分位數方法:Q1 和 Q3 可能因方法不同而略有差異(例如中位數分半法與試算表或統計軟體所用的內插法),因此圍欄也可能隨之變動,對小型資料集尤其如此。
- 被標記不等於被移除:高於圍欄的值是待審查的候選值。此規則只是一種篩選慣例,本身並不表示該值是錯誤或不屬於資料。
逐步說明:從原始資料找出上限圍欄
示範資料集(n = 10):14, 2, 9, 5, 40, 7, 12, 4, 11, 8。
- 排序資料:2, 4, 5, 7, 8, 9, 11, 12, 14, 40。
- 求中位數:共 10 個值,中位數為第 5 與第 6 個值的平均:\((8 + 9)/2 = 8.5\)。
- 求 Q1 與 Q3,即下半部與上半部資料的中位數。下半部:2, 4, 5, 7, 8,所以 \(Q_1 = 5\)。上半部:9, 11, 12, 14, 40,所以 \(Q_3 = 12\)。(統計軟體可能使用其他四分位數方法,得到略有不同的值。)
- 計算四分位距:\(\text{四分位距} = 12 - 5 = 7\)。
- 乘以 1.5:\(1.5 \times 7 = 10.5\)。
- 加到 Q3:\(\text{上限圍欄} = 12 + 10.5 = \) 22.5。
- 將每個值與圍欄比較:從 2 到 14 的每個值都等於或低於 22.5。值 40 高於 22.5,因此被標記為高離群值。它也超過外側圍欄 \(12 + 3 \times 7 = 33\),因此依 Tukey 規則屬於極端離群值。
為完整起見,下限圍欄為 \(5 - 10.5 = -5.5\),沒有任何值低於它。在箱形圖中,上鬚線會終止於 14,即不超過 22.5 的最大值。
常見問題
為什麼是 1.5?係數 1.5 是 John Tukey 提出的標準乘數,對於近似常態分配的資料而言,能在「靈敏度」與「誤判」之間取得平衡。若要標示更嚴重的「極端」離群值,有時會改用 3.0 這個乘數。
那下界(Lower Fence)呢?對應的下界為 \(\text{Q1} - 1.5 \times \text{IQR}\)。低於下界的數值,屬於低側離群值。
超過上界就一定代表資料錯誤嗎?不一定。它只是把該資料點標記出來供你檢查——它有可能是真實存在、只是數值偏大的觀測值。