Extreme testen mit dem Grubbs-Test

Einführung in die Anomalieerkennung in R

Alastair Rushworth

Data Scientist

Visuelle Beurteilung ist nicht immer verlässlich!

boxplot(temperature, ylab = "Celsius")

Boxplots für Ausreißerpunkte

Grubbs-Test

Statistischer Test, um einen Ausreißer zu erkennen
Setzt Normalverteilung der Daten voraus
Zuerst Annahme der Normalität prüfen

Normalität per Histogramm prüfen

hist(temperature, breaks = 6)

Histogramm zeigt Datenverteilung

Symmetrisch und glockenförmig?

Grubbs-Test ausführen

Verwende die Funktion 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

Den p-Wert interpretieren

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

Nahe 0 – stärkere Evidenz für einen Ausreißer
Nahe 1 – schwächere Evidenz für einen Ausreißer

Zeilenindex eines Ausreißers ermitteln

Position des Maximums

which.max(weights)

Position des Minimums

which.min(temperature)

Lass uns üben!

Einführung in die Anomalieerkennung in R