R-从数据帧打印异常值

Question

我想从数据框中提取离群值。 就像1000个数据点中的10个一样，它们可能是异常值，或者不在95％置信区间内。 有一些方法可以找到与样本均值之间差异最大的值。

> a <- c(1,3,2,4,5,2,3,90,78,56,78,23,345)
> require("outliers")
> outlier(a)
[1] 345

我不想从数据框或箱线图中删除异常值。 我想打印或子集化它们。

有任何想法吗？

Answer 1

给定数据：

a <- c(1,3,2,4,5,2,3,90,78,56,78,23,345)

如果要获得不在95％置信度内的值。 您必须记住，信心是“真实均值”概率的概念。

在这种情况下：

> mean(a)
[1] 53.07692

第一个要回答的问题：53是您最可能期望的“正常”值吗？ 我为什么要问它？ 因为如果要打印不在95％之内的值，请执行以下操作：

a[a > mean(a) + qt(0.975, df = length(a) - 1) * mean(a) / sqrt(length(a)) |
    a < mean(a) - qt(0.975, df = length(a) - 1) * mean(a) / sqrt(length(a))]

[1]   1   3   2   4   5   2   3  90 345

在您的情况下，您可能会得到比预期更多的收益。