Tester les extrêmes avec le test de Grubbs

Introduction à la détection d’anomalies en R

Alastair Rushworth

Data Scientist

L'évaluation visuelle n'est pas toujours fiable !

boxplot(temperature, ylab = "Celsius")

Boîtes à moustaches pour points aberrants

Introduction à la détection d’anomalies en R

Test de Grubbs

  • Test statistique pour décider si une valeur est aberrante
  • Suppose des données suivant une loi normale
  • Vérifier d'abord cette hypothèse de normalité
Introduction à la détection d’anomalies en R

Vérifier la normalité avec un histogramme

hist(temperature, breaks = 6)

Histogramme montrant la distribution

Symétrique et en cloche ?

Introduction à la détection d’anomalies en R

Exécuter le test de Grubbs

Utilisez la fonction grubbs.test() :

grubbs.test(temperature)

    Grubbs test for one outlier
data:  temp
G = 3.07610, U = 0.41065, p-value = 0.001796
alternative hypothesis: highest value 30 is an outlier
Introduction à la détection d’anomalies en R

Interpréter la p-value

grubbs.test(temperature)

    Grubbs test for one outlier

data:  temperature
G = 3.07610, U = 0.41065, p-value = 0.001796
alternative hypothesis: highest value 30 is an outlier

  p-value

  • Proche de 0 : preuve plus forte d'une valeur aberrante
  • Proche de 1 : preuve plus faible d'une valeur aberrante
Introduction à la détection d’anomalies en R

Obtenir l'index de ligne d'une valeur aberrante

Position du maximum

which.max(weights)

5

Position du minimum

which.min(temperature)

12
Introduction à la détection d’anomalies en R

Passons à la pratique !

Introduction à la détection d’anomalies en R

Preparing Video For Download...