Ոչ ստանդարտ շեղումը, ոչ էլ շեղումը կայուն չեն արտանետումների նկատմամբ: Տվյալների արժեքը, որը առանձնացված է տվյալների բովանդակությունից, կարող է մեծացնել վիճակագրության արժեքը կամայականորեն մեծ քանակությամբ: Միջին բացարձակ շեղումը (MAD) նույնպես զգայուն է արտանետումների նկատմամբ:
Ի՞նչ ազդեցություն են թողնում արտանետումները տատանումների վրա:
Ստանդարտ շեղումը զգայուն է արտանետումների նկատմամբ: մեկ ուրվագիծը կարող է բարձրացնել ստանդարտ շեղումը և, իր հերթին,, խեղաթյուրել տարածման պատկերը: Մոտավորապես նույն միջին ունեցող տվյալների դեպքում որքան մեծ է տարածումը, այնքան մեծ է ստանդարտ շեղումը։
Ինչպե՞ս են ծայրամասերը ազդում շեղումների և ստանդարտ շեղումների արժեքի վրա:
Outlier Ազդեցություն շեղումների և տվյալների բաշխման ստանդարտ շեղումների վրա: Տվյալների բաշխման դեպքում, ծայրահեղ գծերով, բաշխումը շեղված է ծայրամասերի ուղղությամբ, ինչը դժվարացնում է տվյալների վերլուծությունը:
Ինչպե՞ս են արտանետումները ազդում արդյունքների վրա:
Օտարը անսովոր մեծ կամ փոքր դիտարկում է: Արտաքին ցուցանիշները կարող են անհամաչափ ազդեցություն ունենալ վիճակագրական արդյունքների վրա, ինչպիսին է միջինը, ինչը կարող է հանգեցնել ապակողմնորոշիչ մեկնաբանությունների: Այս դեպքում միջին արժեքը ստիպում է թվալ, որ տվյալների արժեքներն ավելի բարձր են, քան իրականում են: …
Արդյո՞ք պետք է հեռացվի արտաքին տեսքը:
Առանց գծերի հեռացումը օրինական է միայն հատուկ պատճառներով: Օտարները կարող են շատ տեղեկատվական լինել առարկայական ոլորտի և տվյալների հավաքագրման գործընթացի վերաբերյալ:… Outliers-ը մեծացնում է ձեր տվյալների փոփոխականությունը, ինչը նվազեցնում է վիճակագրական հզորությունը: Հետևաբար, արտանետումները բացառելը կարող է հանգեցնել ձեր արդյունքների վիճակագրորեն նշանակալի դառնալուն:
