वितरण और आउटलिएर्स

Power BI में Exploratory Data Analysis

Jacob H. Marquez

Data Scientist at Microsoft

वितरण क्या हैं?

परिभाषा: वैरिएबल के सभी संभव मानों का सेट और उनसे जुड़ी आवृत्तियाँ.

वितरण क्या हैं?

सतत

Age	Frequency
18	7
19	11
20	13
21	19
22	12

वितरण क्या हैं?

सतत

Age	Frequency
18	7
19	11
20	13
21	19
22	12

वर्गीकृत

Hair Color	Frequency
Blonde	30
Brown	50
Black	40
Red	20
Grey	20

हिस्टोग्राम क्या हैं?

लोगों की ऊँचाइयों का हिस्टोग्राम, x-अक्ष पर ऊँचाई और y-अक्ष पर उन ऊँचाइयों के प्रेक्षणों की संख्या. हिस्टोग्राम के दोनों सिरों पर पतली पूँछ है और बीच में बड़ा दायरा.

हिस्टोग्राम क्या हैं? - बिन्स

100 बिन वाला हिस्टोग्राम

लोगों की ऊँचाइयों का हिस्टोग्राम, x-अक्ष पर ऊँचाई और y-अक्ष पर उन ऊँचाइयों के प्रेक्षणों की संख्या. 100 बिन होने पर हिस्टोग्राम स्मूद है और अधिक विवरण दिखाता है.

20 बिन वाला हिस्टोग्राम

लोगों की ऊँचाइयों का हिस्टोग्राम, x-अक्ष पर ऊँचाई और y-अक्ष पर उन ऊँचाइयों के प्रेक्षणों की संख्या. कम बिन होने पर हिस्टोग्राम ज्यादा बॉक्सी और कड़ा दिखता है.

हिस्टोग्राम पढ़ना - केंद्रीयता और स्क्यूनेस

लोगों की ऊँचाइयों का हिस्टोग्राम, x-अक्ष पर ऊँचाई और y-अक्ष पर उन ऊँचाइयों के प्रेक्षणों की संख्या. बीच में बड़े दायरे में अधिक प्रेक्षण और सिरों पर कम.

नॉर्मल वितरण

लोगों की ऊँचाइयों का हिस्टोग्राम, x-अक्ष पर ऊँचाई और y-अक्ष पर उन ऊँचाइयों के प्रेक्षणों की संख्या. बाएँ ओर बड़ा दायरा है और चार्ट के दाएँ सिरे की ओर संकरा होता जाता है.

राइट-स्क्यूड वितरण

हिस्टोग्राम पढ़ना - फैलाव

बड़ी स्टैंडर्ड डेविएशन

लोगों की ऊँचाइयों का हिस्टोग्राम, x-अक्ष पर ऊँचाई और y-अक्ष पर उन ऊँचाइयों के प्रेक्षणों की संख्या. बीच में अधिक और सिरों पर कम प्रेक्षण.

छोटी स्टैंडर्ड डेविएशन

लोगों की ऊँचाइयों का हिस्टोग्राम, x-अक्ष पर ऊँचाई और y-अक्ष पर उन ऊँचाइयों के प्रेक्षणों की संख्या. यह अधिक संकरा है, लगभग शिखर जैसा, क्योंकि स्टैंडर्ड डेविएशन छोटी है.

हिस्टोग्राम पढ़ना - परसेंटाइल्स

लोगों की ऊँचाइयों का हिस्टोग्राम, x-अक्ष पर ऊँचाई और y-अक्ष पर उन ऊँचाइयों के प्रेक्षणों की संख्या. बीच से बाएँ तरफ हरे रंग का भाग 50वें परसेंटाइल को दर्शाता है.

हिस्टोग्राम पढ़ना - 25वाँ और 75वाँ परसेंटाइल

लोगों की ऊँचाइयों का हिस्टोग्राम, x-अक्ष पर ऊँचाई और y-अक्ष पर उन ऊँचाइयों के प्रेक्षणों की संख्या. 25वें परसेंटाइल के बाएँ और 75वें परसेंटाइल के दाएँ दो हरे भाग दिखते हैं.

हिस्टोग्राम पढ़ना - इंटरक्वार्टाइल रेंज

लोगों की ऊँचाइयों का हिस्टोग्राम, x-अक्ष पर ऊँचाई और y-अक्ष पर उन ऊँचाइयों के प्रेक्षणों की संख्या. 25वें से 75वें परसेंटाइल तक हरा भाग इंटरक्वार्टाइल रेंज दर्शाता है.

आउट्लायर क्या है?

लोगों की ऊँचाइयों का हिस्टोग्राम, x-अक्ष पर ऊँचाई और y-अक्ष पर उन ऊँचाइयों के प्रेक्षणों की संख्या. चार्ट के दोनों सिरों पर हरे भाग संभावित आउटलिएर्स दिखाते हैं.

आउट्लायर कैसे खोजें

स्टैंडर्ड डेविएशन से

$lower = -3 * SD$

$upper = 3 * SD$

जब आउट्लायर

$value < lower$ OR $value > upper$

इंटरक्वार्टाइल रेंज (IQR)

$lower = 25percentile-(1.5 * IQR)$

$upper = 75percentile+(1.5 * IQR)$

जब आउट्लायर

$value < lower$ OR $value > upper$

आउट्लायर से निपटना

प्रेक्षण हटाएँ
इम्प्यूटेशन

विन्सोराइजिंग

IF value < 5th percentile THEN value = 5th percentile

IF value > 95th percentile THEN value = 95th percentile

अभ्यास करते हैं!

Power BI में Exploratory Data Analysis