Სარჩევი:
ვიდეო: რა არის outliers მონაცემთა ანალიზი?
2024 ავტორი: Lynn Donovan | [email protected]. ბოლოს შეცვლილი: 2023-12-15 23:49
სტატისტიკაში, ა გამოკვეთილი არის მონაცემები წერტილი, რომელიც მნიშვნელოვნად განსხვავდება სხვა დაკვირვებებისგან. ან გამოკვეთილი შეიძლება გამოწვეული იყოს გაზომვის ცვალებადობით ან შეიძლება მიუთითებდეს ექსპერიმენტულ შეცდომაზე; ეს უკანასკნელი ზოგჯერ გამორიცხულია მონაცემები კომპლექტი. ან გამოკვეთილი შეიძლება სერიოზული პრობლემები გამოიწვიოს სტატისტიკური ანალიზები.
ამის გათვალისწინებით, როგორ პოულობთ შორეულ მონაცემებს?
წერტილი, რომელიც მოდის გარეთ მონაცემები ნაკრების შიგთავსები კლასიფიცირდება როგორც მცირე გამოკვეთილი , ხოლო ის, რომელიც გარე ღობეებს გარეთ ხვდება, კლასიფიცირებულია, როგორც ძირითადი გამოკვეთილი . რომ იპოვოთ შიდა ღობეები თქვენთვის მონაცემები დააყენეთ, პირველ რიგში, გაამრავლეთ ინტერკტილური დიაპაზონი 1.5-ზე. შემდეგ დაამატეთ შედეგი Q3-ს და გამოაკელი Q1-ს.
ზემოაღნიშნულის გარდა, უნდა წავშალო თუ არა ამონაწერები ჩემი მონაცემებიდან? ამისთვის The უმეტესწილად, თუ თქვენი მონაცემები თქვენ ხართ დაზარალებული ამ უკიდურესი შემთხვევებით შეუძლია შეკრული The ისტორიული წარმომადგენლის შეყვანა თქვენი მონაცემები რაც გამორიცხავს გამოკვეთილები . განსაზღვრეთ შემთხვევის მიხედვით რა The ეფექტი გამოკვეთილები იყო. და იქიდან გადაწყვიტე გინდა თუ არა ამოღება , შეცვლა ან შენარჩუნება გაურკვეველი ღირებულებები.
ამასთან დაკავშირებით, როგორ უმკლავდება მონაცემთა ანალიზი გარე მნიშვნელობებს?
აქ არის ოთხი მიდგომა:
- ჩამოაგდეთ გარე ჩანაწერები. ბილ გეითსის, ან სხვა ჭეშმარიტი გამონაკლისის შემთხვევაში, ზოგჯერ ჯობია მთლიანად ამოიღოთ ეს ჩანაწერი თქვენი მონაცემთა ბაზიდან, რათა ეს პიროვნება ან მოვლენა არ დაამახინჯოს თქვენს ანალიზს.
- დაფარეთ თქვენი outliers მონაცემები.
- მიანიჭეთ ახალი მნიშვნელობა.
- სცადეთ ტრანსფორმაცია.
რა არის გამოკვეთის მაგალითი?
გამოკვეთილი . მეტი მნიშვნელობა, რომელიც "დევს გარეთ" (ის უფრო მცირეა ან უფრო დიდი ვიდრე) მონაცემთა ნაკრების სხვა მნიშვნელობების უმეტესობა. ამისთვის მაგალითი ქულებში 25, 29, 3, 32, 85, 33, 27, 28 ორივე 3 და 85 არის " გამოკვეთილები ".
გირჩევთ:
რა არის თვისებრივი მონაცემთა ანალიზი კვლევაში?
თვისებრივი მონაცემთა ანალიზი (QDA) არის პროცესებისა და პროცედურების დიაპაზონი, რომლითაც ჩვენ გადავდივართ შეგროვებული თვისებრივი მონაცემებიდან ახსნის, გაგების ან ინტერპრეტაციის გარკვეულ ფორმაში იმ ადამიანებისა და სიტუაციების შესახებ, რომლებსაც ვიკვლევთ. QDA ჩვეულებრივ ეფუძნება ინტერპრეტაციულ ფილოსოფიას
რა არის კლასტერული ანალიზი მონაცემთა მოპოვებაში?
კლასტერირება არის აბსტრაქტული ობიექტების ჯგუფის მსგავსი ობიექტების კლასებად გადაქცევის პროცესი. დასამახსოვრებელი პუნქტები. მონაცემთა ობიექტების კლასტერი შეიძლება განიხილებოდეს როგორც ერთი ჯგუფი. კლასტერული ანალიზის გაკეთებისას, ჩვენ ჯერ მონაცემთა ნაკრები დავყოფთ ჯგუფებად, მონაცემთა მსგავსების საფუძველზე და შემდეგ ჯგუფებს ვაძლევთ ეტიკეტებს
რა არის მონაცემთა მაინინგი და რა არ არის მონაცემთა მოპოვება?
მონაცემთა მოპოვება ხდება ყოველგვარი წინასწარი ჰიპოთეზის გარეშე, შესაბამისად, მონაცემებიდან მიღებული ინფორმაცია არ არის პასუხის გაცემა ორგანიზაციის კონკრეტულ კითხვებზე. არა მონაცემთა მოპოვება: მონაცემთა მოპოვების მიზანია შაბლონების და ცოდნის მოპოვება დიდი რაოდენობით მონაცემებიდან და არა თავად მონაცემების მოპოვება (მაინინგი)
როგორ გავხსნა მონაცემთა ანალიზი Excel 2007-ში?
Excel 2007: მონაცემთა ანალიზის დამატება არ უნდა გამოჩნდეს მონაცემთა მენიუს მარჯვენა ბოლოში, როგორც DataAnalysis. დააწკაპუნეთ Microsoft Office ღილაკზე და შემდეგ დააჭირეთ Excel Options-ს. დააწკაპუნეთ Add-Ins-ზე და შემდეგ ველში Manage აირჩიეთ Excel Add-ins. დააჭირეთ გადასვლა
რა არის მონაცემთა ანალიზი ხარისხობრივად?
თვისებრივი მონაცემთა ანალიზი (QDA) არის პროცესებისა და პროცედურების დიაპაზონი, რომლითაც ჩვენ გადავდივართ შეგროვებული თვისებრივი მონაცემებიდან ახსნა-განმარტების, გაგების ან ინტერპრეტაციის გარკვეულ ფორმაში იმ ადამიანებისა და სიტუაციების შესახებ, რომლებსაც ვიკვლევთ. QDA ჩვეულებრივ ეფუძნება ინტერპრეტაციულ ფილოსოფიას