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 un point est aberrant
  • Suppose des données normalement distribuées
  • Exige de vérifier d'abord l'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 des données

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'un point aberrant
  • Proche de 1 : preuve plus faible d'un point aberrant
Introduction à la détection d'anomalies en R

Obtenir l'index de ligne d'un point aberrant

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...