Identificarea valorilor extreme cu IQR

Intervalul intercuartilic, sau IQR, este o altă modalitate de a măsura dispersia datelor, mai puțin influențată de valorile extreme. IQR este folosit adesea și pentru a identifica valorile extreme. Dacă o valoare este mai mică decât \(\text{Q1} - 1.5 \times \text{IQR}\) sau mai mare decât \(\text{Q3} + 1.5 \times \text{IQR}\), aceasta este considerată o valoare extremă. De altfel, exact așa sunt calculate lungimile „mustăților" într-un grafic de tip box plot în ggplot2.

Diagram of a box plot showing median, quartiles, and outliers

În acest exercițiu, vei calcula IQR și îl vei folosi pentru a identifica câteva valori extreme. Bibliotecile dplyr și ggplot2 sunt deja încărcate, iar setul de date food_consumption este disponibil.

Acest exercițiu face parte din cursul

Introducere în Statistică cu R

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Compute the 25th percentile and 75th percentile of co2_emission
q1 <- quantile(___$___, ___)
q3 <- ___

# Compute the IQR of co2_emission
iqr <- ___
iqr

Editează și rulează codul

Acest exercițiu face parte din cursul

Introducere în Statistică cu R

SkillTag.level.intermediateSkillTag.label

4.8+

Începe cursul gratuit

Statisticile descriptive îți oferă instrumentele necesare pentru a sintetiza seturi masive de date și a scoate în evidență informațiile esențiale. În acest capitol, vei explora statistici descriptive precum media, mediana și deviația standard și vei învăța cum să le interpretezi corect. Îți vei dezvolta și gândirea critică, astfel încât să poți alege cele mai potrivite statistici descriptive pentru datele tale.

Exercise 1: Ce este statistica?Exercise 2: Statistică descriptivă și inferențială Exercise 3: Clasificarea tipurilor de date Exercise 4: Măsuri ale tendinței centrale Exercise 5: Medie și mediană Exercise 6: Medie vs. mediană Exercise 7: Măsuri ale dispersiei Exercise 8: Varianță și deviație standard Exercise 9: Cuartile, cuantile și cvintile Exercise 10: Identificarea valorilor extreme cu IQR

Exercițiul curent

În acest capitol, vei învăța cum să generezi eșantioane aleatoare și să măsori șansa folosind probabilitatea. Vei lucra cu date reale de vânzări pentru a calcula probabilitatea ca un agent de vânzări să aibă succes. La final, vei folosi distribuția binomială pentru a modela evenimente cu rezultate binare.

Exercise 1: Care sunt șansele?Exercise 2: Cu sau fără înlocuire?Exercise 3: Calcularea probabilităților Exercise 4: Eșantionarea contractelor Exercise 5: Distribuții discrete Exercise 6: Crearea unei distribuții de probabilitate Exercise 7: Identificarea distribuțiilor Exercise 8: Valoarea așteptată vs. media eșantionului Exercise 9: Distribuții continue Exercise 10: Ce distribuție se potrivește?Exercise 11: Copii de rezervă ale datelor Exercise 12: Simularea timpilor de așteptare Exercise 13: Distribuția binomială Exercise 14: Simularea tranzacțiilor de vânzări Exercise 15: Calcularea probabilităților binomiale Exercise 16: Câte vânzări vor fi câștigate?

Este momentul să explorezi una dintre cele mai importante distribuții de probabilitate din statistică: distribuția normală. Vei crea histograme pentru a reprezenta distribuții normale și vei înțelege teorema limitei centrale. Apoi, îți vei extinde cunoștințele despre funcțiile statistice adăugând în repertoriu distribuțiile Poisson, exponențială și t.

Exercise 1: Distribuția normală Exercise 2: Distribuția vânzărilor lui Amir Exercise 3: Probabilități din distribuția normală Exercise 4: Simularea vânzărilor în condiții noi de piață Exercise 5: Care piață este mai bună?Exercise 6: Teorema limitei centrale Exercise 7: Vizualizarea distribuțiilor de eșantionare Exercise 8: TLC în acțiune Exercise 9: Media mediilor Exercise 10: Distribuția Poisson Exercise 11: Identificarea valorii lambda Exercise 12: Urmărirea răspunsurilor la lead-uri Exercise 13: Mai multe distribuții de probabilitate Exercise 14: Prea multe distribuții Exercise 15: Modelarea timpului dintre lead-uri Exercise 16: Distribuția t

În acest capitol, vei învăța cum să cuantifici intensitatea unei relații liniare dintre două variabile și vei descoperi cum variabilele confundate pot influența relația dintre alte două variabile. Vei vedea, de asemenea, cum designul unui studiu poate afecta rezultatele, modul în care datele ar trebui analizate și, implicit, fiabilitatea concluziilor tale.

Exercise 1: Corelație Exercise 2: Ghicește corelația Exercise 3: Relații între variabile Exercise 4: Precauții privind corelația Exercise 5: Ce nu poate măsura corelația?Exercise 6: Transformarea variabilelor Exercise 7: Zahărul îmbunătățește fericirea?Exercise 8: Variabile de confuzie Exercise 9: Designul experimentelor Exercise 10: Tipuri de studii Exercise 11: Studii longitudinale vs. transversale Exercise 12: Felicitări!