Vad är ett onormalt?

Inom statistik är en onormal, även kallad en outlier, en datapunkt som väsentligt avviker från de andra datapunkterna i en datauppsättning. Onormala kan betyda ett antal saker, inklusive mätfel, datainmatningsfel eller förekomsten av ovanliga observationer som kanske inte är representativa för den totala populationen.

Avvikelser kan identifieras grafiskt genom att visuellt inspektera en plot av data. De kan också identifieras numeriskt genom att beräkna ett mått på statistisk avvikelse, såsom z-poäng eller standardiserad residual.

Förekomsten av abnormiteter i en datauppsättning kan ha en inverkan på resultaten av statistisk analys, och det är viktigt att överväga deras potentiella inverkan när du utför dataanalys. I vissa fall kan avvikelser behöva tas bort från datasetet före analys, medan de i andra fall kan behållas som värdefulla informationspunkter.

Här är några vanliga exempel på avvikelser:

* I en datauppsättning av studenttestresultat kan ett onormalt högt betyg bero på fusk, medan ett onormalt lågt resultat kan indikera en student som inte var förberedd för provet.

* I en datauppsättning av försäljningssiffror kan en onormalt hög försäljning bero på en speciell kampanj eller en engångsrea, medan en onormalt låg försäljning kan tyda på en butik som har det kämpigt.

* I en datauppsättning med medicinska data kan en onormalt hög eller låg avläsning indikera ett medicinskt tillstånd som kräver ytterligare utredning.

Det är viktigt att notera att inte alla avvikelser är resultatet av fel eller ovanliga observationer. I vissa fall kan avvikelser orsakas av legitima förändringar i den underliggande befolkningen. Till exempel, i en datauppsättning av aktiekurser kan ett onormalt högt pris bero på en positiv resultatrapport, medan ett onormalt lågt pris kan bero på dåliga nyheter.

Därför är det viktigt att noggrant undersöka avvikelser innan du drar några slutsatser om deras betydelse.