ყველაზე გავრცელებული მიზეზები მონაცემთა ერთობლიობაში: გაზომვის შეცდომები (ინსტრუმენტის შეცდომები) ექსპერიმენტული შეცდომები (მონაცემების მოპოვება ან ექსპერიმენტის დაგეგმვის/განხორციელების შეცდომები) მიზანმიმართული (შესამოწმებლად გაკეთებული მოჩვენებითი გამონაკლისები გამოვლენის მეთოდები) მონაცემთა დამუშავების შეცდომები (მონაცემების მანიპულირება ან მონაცემთა ნაკრების არასასურველი მუტაციები)
რა არის გამონაკლისის შესაძლო მიზეზი?
არის სამი მიზეზი - მონაცემთა შეყვანის/ექსპერიმენტის გაზომვის შეცდომები, შერჩევის პრობლემები და ბუნებრივი ცვალებადობა. შეცდომა შეიძლება მოხდეს ექსპერიმენტების/მონაცემების შეყვანისას. მონაცემთა შეყვანის დროს, შეცდომა შეიძლება შეცდომით აკრიფოს არასწორი მნიშვნელობა.
რომელზე ზემოქმედებს ყველაზე მეტად გამოკვეთილები?
საშუალო, მედიანა და რეჟიმი ცენტრალური ტენდენციის საზომია. საშუალო არის ცენტრალური ტენდენციის ერთადერთი საზომი, რომელიც ყოველთვის გავლენას ახდენს გარედან. საშუალო, საშუალო, ცენტრალური ტენდენციის ყველაზე პოპულარული საზომია.
არის თუ არა დიაპაზონზე ყველაზე მეტად ზემოქმედება გარედან?
ასე რომ, თუ გვაქვს ნაკრები {52, 54, 56, 58, 60}, მივიღებთ r=60−52=8, ასე რომ დიაპაზონი არის 8. იმის გათვალისწინებით, რაც ახლა ვიცით, სწორია თქვით, რომ განსხვავება ყველაზე მეტად იმოქმედებს რანგზე.
უნდა წაიშალოს ამოღებული მონაცემებიდან?
აუცილებელი ნიშნების წაშლა ლეგიტიმურია მხოლოდ კონკრეტული მიზეზების გამო გამოკვეთილები შეიძლება იყოს ძალიან ინფორმატიული საგნის სფეროსა და მონაცემთა შეგროვების პროცესის შესახებ. … Outliers ზრდის თქვენს მონაცემებში ცვალებადობას, რაც ამცირებს სტატისტიკურ ძალას. შესაბამისად, გამორიცხულმა გამორიცხვამ შეიძლება გამოიწვიოს თქვენი შედეგები სტატისტიკურად მნიშვნელოვანი.