Détection des valeurs aberrantes avec l'IQR
Les valeurs aberrantes peuvent avoir de grands effets sur des statistiques comme la moyenne, ainsi que sur celles qui en dépendent, comme la variance et l'écart-type. L'intervalle interquartile (IQR) est une autre mesure de dispersion, moins influencée par les valeurs aberrantes. On l'utilise souvent pour les repérer. Si une valeur est inférieure à \(\text{Q1} - 1.5 \times \text{IQR}\) ou supérieure à \(\text{Q3} + 1.5 \times \text{IQR}\), on la considère comme une valeur aberrante. C'est d'ailleurs ainsi qu'on calcule la longueur des moustaches dans un diagramme à moustaches matplotlib.
Dans cet exercice, vous allez calculer l'IQR et l'utiliser pour trouver des valeurs aberrantes. pandas sous pd et numpy sous np sont chargés et food_consumption est disponible.
Cette activité fait partie du cours
Introduction à la statistique en Python
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Calculate total co2_emission per country: emissions_by_country
emissions_by_country = ____
print(emissions_by_country)