离群值的取舍常用什么方法

A. 离群值的特征

发现离群值也可以通过观察值的频数表或直方图来初步判断，也可通过统计软件作观察值的箱式图来判断，如果观测值距箱式图底线Q1（第25百分位数）或顶线Q3（第75百分位数）过远，如超出箱体高度（四分位数间距）的两倍以上，则可视该观测值为离群值。当数据近似正态分布时，有一种较为简单的方法，可用均数加减2.5s来判断，如观测值在此范围以外，可视为离群值。在统计学上也可用线性回归的方法来对离群值进行判断。当出现离群值的时候，要慎重处理，要将专业知识和统计学方法结合起来，首先应认真检查原始数据，看能否从专业上加以合理的解释，如数据存在逻辑错误而原始记录又确实如此，又无法在找到该观察对象进行核实，则只能将该观测值删除。如果数据间无明显的逻辑错误，则可将离群值删除前后各做一次统计分析，若前后结果不矛盾，则该例观测值可予以保留。
离群值处理方法包括：
一、剔除离群值，不追加观测值；
二、剔除离群值，追加观测值；或剔除离群值，适宜地插补替代；
三、找到实际原因修正离群值，否则予以保留的； 离群值的取舍 1. 定义在一组平行测定数据中，有时会出现个别值与其他值相差较远，这种值叫离群值。判断一个测定值是否是离群值，不是把数据摆在一块看一看，那个离得远，那个是离群值，而是要经过计算、比较才能确定，我们用的方法就叫Q检验法。2. 检验方法（1）求Q：Q= 即：求出离群值与其最邻近的一个数值的差，再将它与极差相比就得Q值。（2）比较：根据测定次数n和置信度查Q，若Q>Q，则离群值应舍去，反之则保留离群值。

B. 离群值怎么计算，是做生化实验的结果做统计要用，具体怎么计算，还有它的统计学意义，在线等，好的加分

离群值的定义各个行业有可能有不同的标准。国际上比较通用的标准是以低于箱形图（Boxplot）下箱体的1.5倍个四分位间距（IQR），或是高于箱形图（Boxplot）上箱体的1.5倍个四分位间距作为离群值的定义，当这个标准提高至3倍个四分位间距时定义为极端值。不过这个算法使用手算很麻烦，我推荐你使用SPSS软件。

使用SPSS的频率（Frequencies）程序就可以了，步骤是Analyze，Descriptive Statistics ，Frequencies，Statistics，在这个对话框中勾选quartils就可以了，以下就是我做的一个结果。

Statistics
数学期中
N Valid 335
Missing 7
Percentiles 25 85.5000
50 92.0000
75 96.0000
因此，（上箱体位置）Q3等于96，（下箱体位置）Q1等于85.5，表明学生25%--75%的分数范围位于85.5--96.0之间。此时IQR=Q3-Q1=96-85.5=10.5

离群值：
当你的数据低于85.5-1.5X10.5=69.75
或者
当你的数据高于96+1.5X10.5=111.75

极端值：
当你的数据低于85.5-3X10.5=54.0
或者
当你的数据高于96+3X10.5=127.5

以上方法是一个国际通用的方法，不管你的数据是否符合正态分布都可以使用。你的生化数据使用这个方法应该是没有问题的，顺便说一下，我也在生化实验室工作过。

此外，使用SPSS的Explore可以生成箱形图（Boxplot），并直接在图中显示出离群值和极端值。

C. R如何找热图中的离群值

可以通过三个方法找出离群值：
1.单变量检测法
2.双变量检测法
3.多元模型检测法
离群值 (outliers)是指在一份数据中,与其他观察值具有明显不同特征的那些观察值。然而，并没有一个明确的准则来判断哪些观察值属于“离群值”。这主要取决于多种因素。

D. 用spss怎么找出离群值和异常值

第一步：异常值检测
异常值的检验有很多种方法，最常见的是图示法，也有使用分析方法进行探索，如下说明。
箱盒图：实验研究时经常使用，非常直观的展示出异常数据；
散点图：研究X和Y的关系时，可直观展示查看是否有异常数据；
描述分析：可通过最大最小值等各类指标大致判断数据是否有异常；
其它：比如结合正态分布图，频数分析等判断是否有异常值。
02
第二步：异常值判定
上述已经说明异常值会带来严重的影响，扭曲数据结论等。那么首先需要设定异常值的标准，然后再对其进行处理。异常值的判定标准并不统一，更多是通过人为标准进行设定，SPSSAU提供以下几类判定规则：
缺失数字
小于设定标准的数字
大于设定标准的数字
大于3个标准差

03
第三步：异常值处理
完成异常值的判定之后，接着需要进行处理；SPSSAU提供两类处理方式，分别为：
1、设置为Null值；此类处理最简单，而且绝大多数情况下均使用此类处理；直接将异常值“干掉”，相当于没有该异常值。如果异常值不多时建议使用此类方法
2、填补；如果异常值非常多时，则可能需要进行填补设置，SPSSAU共提供平均值，中位数，众数和随机数共四种填补方式。建议使用平均值填补方式。

E. 请教关于离群值的处理问题

我们在分析数据的时候，经常会碰到某些数据远远大于或小于其他数据，这些明显偏离的数据就是离群值，也叫奇异值、极端值。

离群值产生的原因大致有两点：
1.总体固有变异的极端表现，这是真实而正常的数据，只是在这次实验中表现的有些极端，这类离群值与其余观测值属于同一总体。
2.由于试验条件和实验方法的偶然性，或观测、记录、计算时的失误所产生的结果，是一种非正常的、错误的数据，这些数据与其余观测值不属于同一总体。

由于数据的分布不同，判断离群值的方法也有所差别，在此只介绍国标GB/T4883-2008对于正态分布情况下的离群值判断方法，其他分布情况下，我还没有找到相关资料。
对于离群值，国标也有一些概念定义：
1.检出水平
为检验出离群值而指定的统计检验的显着性水平，和大多数检验一样，α一般为0.05
2.剔除水平
为检验出离群值是否为高度离群值而指定的统计检验的显着性水平，剔除水平α*不应超过检出水平α，通常为0.01，个人认为这个剔除水平就是判断该离群值是否需要实际剔除，也就是说该离群值有可能是第二类原因产生的非正常样本数据。
3.统计离群值
在剔除水平下统计检验为显着的离群值
4.歧离值
在检出水平下显着，而在剔除水平下不显着的离群值。
================================================
正态分布情况下的离群值判断方法，大致可分为两类：可以检验剔除水平和不可检验剔除水平
一、可检验剔除水平

1.总体标准差已知时，奈尔检验法
对样本数据按从小到大顺序排序，
如怀疑最大值X(n)为最大值，则计算统计量Rn

确定检出水平α，查奈尔系数表（见国标GB/T4883-2008），得出临界值
当Rn>R1-α(n)时，判定X(n)为离群值，否则不能判定
确定剔除水平α*，查奈尔系数表（见国标GB/T4883-2008），得出临界值
当Rn>R1-α*(n)时，判定X(n)为统计离群值，否则不能判定

如怀疑最小值X(1)为最大值，则计算统计量Rn'

确定检出水平α，查奈尔系数表（见国标GB/T4883-2008），得出临界值
当Rn'>R1-α(n)时，判定X(1)为离群值，否则不能判定
确定剔除水平α*，查奈尔系数表（见国标GB/T4883-2008），得出临界值
当Rn'>R1-α*(n)时，判定X(1)为统计离群值，否则不能判定

2.总体标准差未知时，格拉布斯检验法
对样本数据按从小到大顺序排序，然后计算样本均值和样本标准差s

如怀疑最大值X(n)为最大值，计算统计量Gn

确定检出水平α，查出格拉布斯系数表（见国标GB/T4883-2008），得出临界值
当Gn>G1-α(n)时，判定X(n)为离群值，否则不能判定
确定剔除水平α*，查出格拉布斯系数表（见国标GB/T4883-2008），得出临界值
当Gn>G1-α*(n)时，判定X(n)为统计离群值，否则不能判定

如怀疑最小值X(1)为最大值，则计算统计量Gn'

确定检出水平α，查出格拉布斯系数表（见国标GB/T4883-2008），得出临界值
当Gn'>G1-α(n)时，判定X(1)为离群值，否则不能判定
确定剔除水平α*，查出格拉布斯系数表（见国标GB/T4883-2008），得出临界值
当Gn'>G1-α*(n)时，判定X(1)为统计离群值，否则不能判定

3.总体标准差未知时，狄克逊(Dixon)检验法
对样本数据按从小到大顺序排序
样本量n在3-30时
计算统计量

样本量n在30-100时
计算统计量

确定检出水平α，查狄克逊系数表（见国标GB/T4883-2008），得出临界值
当Dn>D1-α(n)时，判定高端值X(n)为离群值，否则不能判定
当Dn'>D1-α*(n)时，判定低端值X(1)为离群值，否则不能判定
4.总体标准差未知时，偏度-峰度检验法
我们知道峰度和偏度是判断数据是否为正态分布的指标，而离群值则明显偏离样本主体，因此我们也可以使用偏度-峰度检验法来判断离群值
<1>单侧情形——偏度检验法
当离群值处于高端或低端一侧时，可使用偏度检验法判断，首先构造偏度统计量bs

确定检出水平α，查偏度检验系数表（见国标GB/T4883-2008），得出临界值
当bs>b1-α(n)时，判定高端值X(n)为离群值，否则不能判定
当bs'>b1-α(n)时，判定低端值X(1)为离群值，否则不能判定
确定剔除水平α*，查偏度系数表（见国标GB/T4883-2008），得出临界值
当bs>b1-α*(n)时，判定高端值X(n)为统计离群值，否则不能判定
当bs'>b1-α*(n)时，判定低端值X(1)为统计离群值，否则不能判定
<2>双侧情形——峰度检验法
当高端、低端两侧都可能出现离群值时，可使用峰度检验法判断，首先构造峰度统计量bk

确定检出水平α，查峰度检验系数表（见国标GB/T4883-2008），得出临界值
当bk>b'1-α(n)时，判定离均值最远的观测值为离群值，否则判定未发现离群值

确定剔除水平α*，查峰度系数表（见国标GB/T4883-2008），得出临界值
当bk>b'1-α*(n)时，判定离均值最远的观测值为统计离群值，否则未发现统计离群值。

二、不可检验剔除水平
1.观察法
根据直方图或四分位图进行判断，现在很多统计软件在绘制这两种图时，都会将离群值特殊标记，一般认为在均值±3倍标准差以外都属于离群值，高出四分位距两倍以上也属于离群值。
2.莱伊达法
又称为3σ准则，在已知总体标准差的情况下使用σ进行判断，但是实际上总体标准差往往未知，因此常使用样本标准差s替代σ，以样本均值替代真值，具体为

Xd是疑似离群值，X为均值
如果疑似离群值与均值的差值大于三倍标准差，则可认为该值为离群值。
3.肖维特法
统计量

如果计算出的ω值大于肖维特系数表中相应测定次数n时的值，则可认为该值为异常值

3.罗曼诺夫斯基检验法
又称t检验，首先将疑似离群值剔除，然后计算剔除后的均值和标准差

根据测量次数n和显着性水平α，进行t检验，得出系数k，如果

则认为xj为离群值

4.4d检验法

5.中位数与算数平均值比较判断法
我们知道中位数居于一组数据中间的数，而均值则可认为是一组数字的“重心”或“平衡点”，当二者相等的时候，可认为这组数字是绝对平衡、没有离群值的，我们可以据此进行判断，当二者相差较大时，表面该组数据可能存在离群值，将疑似离群值剔除之后，再计算均值和中位数，如果二者相差变小，则可认为被剔除值是离群值。
======================================
判断离群值方法的选择与应注意的问题
1.合理选择离群值的判断方法
离群值的判断方法很多，实际中到底选用哪一个，需根据对测量要求的精准度和测量次数多少来综合确定，一般情况下，测量次数多于30，或大于10次且只做粗略判断时，使用莱伊达法即可；判断精度要求不高，但要求快捷方便时，可以选用4d和中位数与算数平均数比较法。实际上，对于不用查表的方法大都比较便捷，但是代价是精度不够，且无法检验剔除水平，相反一些需要借助查表的方法精度较高但是计算复杂，各有利弊。
2.准确找出离群值
一般情况下，测量列中残差较大者就是疑似离群值，它也就是样本数据中的最大值或最小值
3.查找产生离群值的原因
已经判断为离群值的，即使是统计离群值，也不要简单剔除了之，应进一步分析产生离群值的原因。

F. 怎么用excel处理离群值

1.在菜单栏上执行：数据挖掘--清除数据--离群值。

G. 如果调查一组数据的标准差，则检验该组数据是否存在离群值的方法有哪些

可以选择以下方法。用线性回归的办法求得某一点到直线最远，去除这一点即可。异常值也称离群值,具体地说,判断标准依据实际情况,根据业务知识及实际需要而定。

要是一般地说,可以用公式计算：

upper adjacent value = 75th percentile + (75th percentile – 25th percentile) * 1.5。

lower adjacent value = 25th percentile – (75th percentile – 25th percentile) * 1.5。

H. 定量分析运算中离群值的取舍应遵循什么原则

摘要 这位顾客您好，我是网络资源库的百晓通导师，您的问题我已经看到了，现在我正在调取网络资源库和专家们一起来分析您的问题，从中选取最合适最贴近您实际情况的处理方案来为您解决，请您给我一点时间，我将为您完美的解决这个问题，马上就好哟

I. 分析化学离群值怎么算

分析化学离群值，即可疑值的判断（计算），常用以下两种方法：
1、Q - 检验法：需要计算平均值、统计量Q值、查Q值表，再比对判断。
2、格鲁布斯法：需要计算平均值、标准偏差、统计量T值、查t值表，在
再比对判断。

J. 分析化学离群值怎么算

分析化学离群值，即可疑值的判断（计算），常用以下两种方法：
1、Q
-
检验法：需要计算平均值、统计量Q值、查Q值表，再比对判断。
2、格鲁布斯法：需要计算平均值、标准偏差、统计量T值、查t值表，在
再比对判断。