IQRmenetelmän

IQR-menetelmä on tilastollinen menetelmä havaintoja poikkeavuuksien tunnistamiseen käyttämällä interkvartiliväliä (IQR). IQR mittaa datajoukon keskialueen leveyden, sillä IQR määritellään Q1:n (25. prosenttipiste) ja Q3:n (75. prosenttipiste) erona: IQR = Q3 − Q1. Menetelmä on suhteellisen robusti äärimmäisten arvojen suhteen ja soveltuu erityisesti ei-normaalisti jakautuneisiin aineistoihin.

Laskenta etenee seuraavasti: ensin lasketaan Q1 ja Q3 sekä IQR. Sitten määritellään rajat: alaraja = Q1 − 1.5 × IQR ja yläraja = Q3 + 1.5 × IQR. Arvot, jotka sijoittuvat näiden rajojen ulkopuolelle, ovat potentiaalisia poikkeavia arvoja. Käytännössä 1.5 × IQR:n kriteeri on yleisesti käytetty, ja 3 × IQR voi erottaa äärimmäisiä havaintoja kutsuttuja poikkeavia arvoja.

Välineinä IQR-menetelmää käytetään usein laatikkodiagrammissa (boxplot), jossa viiksien ja laatikon rajat osoittavat IQR:n sekä 1.5×IQR:n ja mahdollisesti 3×IQR:n perusteella määritetyt rajat. Poikkeavat arvot voivat kertoa mittausvirheistä, harvinaisista tapahtumista tai datan rakenteesta johtuvista erillisyyksistä. Menetelmä on hyödyllinen aineiston puhdistuksessa ja esikäsittelyssä.

Rajoitukset ja soveltuvuus: IQR-menetelmä tarkastelee vain yhden muuttujan arvoja, joten se ei automaattisesti havaitse monimuuttujaisia poikkeavuuksia. Pienellä tai suurella otoskoolla kvartaalien estimaatit voivat vaihdella, mikä vaikuttaa tulkintaan. Muita lähestymistapoja poikkeavien arvojen havaitsemiseksi ovat esimerkiksi z-säännöt tai multivariaatteja huomioivat menetelmät, kuten Mahalanobis-etäisyys.