Uitbijters

Uitbijters zijn gegevenspunten die sterk afwijken van de overige waarden in een dataset. Ze kunnen ontstaan door meetfouten, invoerfouten, of onnauwkeurigheden in de steekproef, maar ook doordat een observeerbaar fenomeen extreem zeldzaam is of een echte uitzonderlijke waarde voorstelt.

Er wordt onderscheid gemaakt tussen globale uitbijters en contextuele (of voorwaardelijke) uitbijters. Een globale uitbijter is extreem ten opzichte van de gehele dataset, terwijl een contextuele uitbijter alleen uitschiet in verhouding tot een specifieke context of tijd.

Veelgebruikte detectiemethoden zijn visuele inspectie en de boxplot IQR-regel: waarden buiten Q1 - 1,5*IQR of Q3 + 1,5*IQR worden als uitbijters aangemerkt. Andere methoden zijn Z-scores (|z| > 3) of aangepaste Z-scores op basis van de median absolute deviation (MAD). Voor tijdreeksen worden afwijkingen ten opzichte van seizoenspatronen of trends geïdentificeerd via anomaly-detectie-technieken.

Uitbijters kunnen de gemiddelde en de variatie van een dataset scheef trekken en de conclusies van statistische analyses beïnvloeden. Tegelijk kunnen ze informatieve signalen bevatten of juist echte extreme waarden zijn. Behandeling omvat verwijderen of aanpassen (trimmen of winsorizing), transformaties (logarithmisch of wortel) om scheefheid te verminderen, of het gebruik van robuuste statistieken zoals mediaan, MAD of een trimmed mean. Verder kan men ervoor kiezen om de uitbijter apart te analyseren of een model te kiezen dat robuust is voor uitbijters.

Zie ook robuuste statistiek, data cleaning en outliers.