هو اي الفرق مايبن الOutlier والا Extreme outlier ؟

الـ Outlier عبارة عن قيمة بيانات تقع بعيدًا عن بقية البيانات في مجموعة البيانات.

وأحيانًا يكون سببها خطأ في القياس أو بيانات غير متوقعة، وتؤثر على متوسط المجموعة، والانحراف المعياري، والارتباطات.

وتستطيع إزالتها أو تحويلها أو استخدام تقنيات إحصائية مقاومة.

مثلاً في مجموعة بيانات لدرجات الطلاب، يكون هناك طالب حصل على درجة 95 بينما حصل بقية الطلاب على درجات بين 70 و 85.

بينما الـ Extreme Outlier هي قيمة بيانات تقع بعيدًا جدًا عن بقية البيانات في مجموعة البيانات، بشكل أكبر من outlier العادي، وذلك يعرف أيضًا باسم gross error.

وغالبًا ما يكون سببها خطأ في القياس أو بيانات غير متوقعة بشكل كبير، وتؤثر بشكل كبير على متوسط المجموعة، والانحراف المعياري، والارتباطات، وتؤثر على تحليل البيانات بشكل كبير مقارنًة بالـ Outlier.

ويجب التعامل معها بحذر شديد، فمن الضروري إزالتها أو تحويلها، ولكن يجب التحقق من سبب وجودها أولاً.

مثلاً في نفس مجموعة البيانات، هناك طالب حصل على درجة 150 بينما حصل بقية الطلاب على درجات بين 70 و 85.

بتاريخ 4 دقائق مضت قال Mustafa Suleiman:

الـ Outlier عبارة عن قيمة بيانات تقع بعيدًا عن بقية البيانات في مجموعة البيانات.

وأحيانًا يكون سببها خطأ في القياس أو بيانات غير متوقعة، وتؤثر على متوسط المجموعة، والانحراف المعياري، والارتباطات.

وتستطيع إزالتها أو تحويلها أو استخدام تقنيات إحصائية مقاومة.

مثلاً في مجموعة بيانات لدرجات الطلاب، يكون هناك طالب حصل على درجة 95 بينما حصل بقية الطلاب على درجات بين 70 و 85.

بينما الـ Extreme Outlier هي قيمة بيانات تقع بعيدًا جدًا عن بقية البيانات في مجموعة البيانات، بشكل أكبر من outlier العادي، وذلك يعرف أيضًا باسم gross error.

وغالبًا ما يكون سببها خطأ في القياس أو بيانات غير متوقعة بشكل كبير، وتؤثر بشكل كبير على متوسط المجموعة، والانحراف المعياري، والارتباطات، وتؤثر على تحليل البيانات بشكل كبير مقارنًة بالـ Outlier.

ويجب التعامل معها بحذر شديد، فمن الضروري إزالتها أو تحويلها، ولكن يجب التحقق من سبب وجودها أولاً.

مثلاً في نفس مجموعة البيانات، هناك طالب حصل على درجة 150 بينما حصل بقية الطلاب على درجات بين 70 و 85.

تمام جدا جدا 

الف شكراا لحضرتك

وعليكم السلام ورحمة الله وبركاته.

ال Outliers (القيم الشاذة) هي قيم تقع بعيدا عن باقي البيانات الصحيحة ولكنها ليست بعيدة جدا وتكون بسبب مشاكل في إدخال البيانات أو أخطاء في القياس وغيرها من الأسباب الأخرى .

ويتم قياسها من خلال Interquartile Range (IQR)  . وتكون القيمة Outliers إذا كانت تقع خارج النطاق التالي :

lower bound = Q1 − 1.5 × IQR
upper bound = Q3 + 1.5 × IQR

أما Extreme Outliers فهي القيم التي تقع بعيدا جدا عن البيانات وتكون أبعد من القيم ال Outliers و تكون القيمة Extreme Outliers إذا كانت تقع خارج النطاق التالي :

lower bound = Q1 − 3 × IQR
upper bound = Q3 + 3 × IQR

بتاريخ 2 دقائق مضت قال محمد عاطف17:

وعليكم السلام ورحمة الله وبركاته.

ال Outliers (القيم الشاذة) هي قيم تقع بعيدا عن باقي البيانات الصحيحة ولكنها ليست بعيدة جدا وتكون بسبب مشاكل في إدخال البيانات أو أخطاء في القياس وغيرها من الأسباب الأخرى .

ويتم قياسها من خلال Interquartile Range (IQR)  . وتكون القيمة Outliers إذا كانت تقع خارج النطاق التالي :

lower bound = Q1 − 1.5 × IQR
upper bound = Q3 + 1.5 × IQR

أما Extreme Outliers فهي القيم التي تقع بعيدا جدا عن البيانات وتكون أبعد من القيم ال Outliers و تكون القيمة Extreme Outliers إذا كانت تقع خارج النطاق التالي :

lower bound = Q1 − 3 × IQR
upper bound = Q3 + 3 × IQR

الف شكراا لحضرتك جد 

جزاك الله كل خير

وعليكم السلام,

الفرق بينهما أن ال Extreme outlier تكون قيمها أبعد من قيم ال outlier  وكلاهما يعبر عن قيمة بعيدة عن قيمة البيانات الأخرى الموجودة.

عند رؤيتنا لهذه القيم يجب علينا تحديد مصدرها حيث مثلا إذا زادت المبيعات في أسبوع التخفيض نعلم أنه هنالك سبب فنحتفظ بهذه القيم.

يمكننا حذف المعلومات لو علمنا أن هناك حساب خاطئ أو خطأ تم إرتكابه.

بشكل عام نحدد مصدر المشكلة وعلى أساسها نتعامل مع البيانات كما أن لحساب الoutlier وال Extreme outlier معادلات مختلفة وطريقة مختلفة للتعامل معها.

شكراا لحضرتك جدا