Testarea extremelor cu testul Grubbs

Introducere în Detecția Anomaliilor în R

Alastair Rushworth

Data Scientist

Evaluarea vizuală nu este întotdeauna fiabilă!

boxplot(temperature, ylab = "Celsius")

Boxploturi pentru valori extreme

Testul Grubbs

Test statistic pentru a decide dacă un punct este outlier
Presupune că datele sunt distribuite normal
Necesită verificarea prealabilă a normalității

Verificarea normalității cu o histogramă

hist(temperature, breaks = 6)

Histogramă care arată distribuția datelor

Simetrică și în formă de clopot?

Rularea testului Grubbs

Utilizați funcția 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

Interpretarea 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

Aproape de 0 - dovezi mai puternice ale unui outlier
Aproape de 1 - dovezi mai slabe ale unui outlier

Obțineți indexul rândului unui outlier

Poziția maximului

which.max(weights)

Poziția minimului

which.min(temperature)

Să exersăm!

Introducere în Detecția Anomaliilor în R