tukey boxplot

Paper
http://d-scholarship.pitt.edu/7948/1/Seo.pdf
El diagrama de caja que fue desarrollado por Tukey (1977) es otro método muy útil, ya que no hace suposiciones distribucionales ni depende de una media o estándar deviación El cuartil inferior (Q1) es el percentil 25, y el cuartil superior (Q3) es el 75 por ciento de
los datos. El rango intercuartil (IQR) se define como el intervalo entre Q1y Q3. Tukey (1997) define q1-(1.5 * IQR) y q3 + (1,5 IQR *) como "cercos interiores", q1-(3 * IQR) y q3 + (3 * IQR) como "vallas exteriores", las observaciones entre una valla interior y su valla exterior cercano como "afuera", y cualquier cosa más allá de las cercas exteriores como "lejos" de alto 0.31 (2000) cambió el nombre del "Externos" outliers potenciales y el "Far Out" problemáticaoutliers.19 El "afuera" y "fuera lejos" observaciones también se puede llamar posibles valores atípicos y los valores atípicos probables, respectivamente. Este método es muy eficaz, sobre todo cuando se trabaja con grandes conjuntos de datos continuos que no son muy sesgada. Aunque el método de Tukey es muy eficaz cuando se trabaja con grandes conjuntos de datos que sean bastante una distribuciónnormal, muchas distribuciones de datos del mundo real no siguen una distribución normal. A menudo son muy sesgada, por lo general a la derecha, y en tales casos la distribuciones son con frecuencia más a una distribución logarítmica normal que una normal. La distribución lognormal a menudo se puede aplicar a tales datos en una variedad de formas, por ejemplo, renta de las personas, la presión arterial yla evaluación de compuestos tóxicos en el análisis medioambiental. Con el fin de ilustrar cómo el porcentaje teórico de los valores atípicos cambia de acuerdo con la asimetría de los datos en el método SD (Media ± 2 SD, Media ± SD 3) y el método de Tukey, lognormal
distribuciones con la misma media (0) pero diferentes desviaciones estándar (0,2, 0,4, 0,6, 0,8, 1,0, 1,2) se utilizan para losconjuntos de datos con diferentes grados de asimetría, y la distribución normal estándar se utiliza para el conjunto de datos cuya asimetría es cero.
El cálculo de la media estándar, desviación, y la asimetría en una distribución logarítmica normal se encuentra en el Apéndice A. De acuerdo con la Figura 2, los dos métodos muestran un patrón diferente, por ejemplo, el porcentaje de valor atípicométodo de Tukey
aumentos, a diferencia del método SD. Se muestra que los resultados de detección de las demás puede cambiar dependiendo de los métodos de detección de valores atípicos o la distribución de los datos.
Cuando los datos están muy sesgados o en otros aspectos partir de una distribución normal,transformaciones a la normalidad es un paso común con el fin de identificar los valores atípicosmediante un método que es muy eficaz en una distribución normal. Tal transformación puede ser útil cuando el identificación de los valores atípicos se lleva a cabo como un paso preliminar para el análisis de datos y que ayuda a hacer posible la selección de los procedimientos estadísticos adecuados para la estimación y pruebas de control . Sin embargo, si un valor atípico en sí es una preocupaciónprincipal en un estudio dado, como se muestra en ejemplo anterior, en la identificación de los médicos que sub o sobre-utilizan tales médica equipo de rayos X como instrumentos, una transformación de los datos podría afectar nuestra capacidad para identificar valores atípicos. Por ejemplo, 50 muestras aleatorias (x) se generan a través de software estadístico R en a fin de mostrar el efecto de latransformación. La variable aleatoria X tiene una lognormal distribución (Media = 1, SD = 1), y su logaritmo, Y = log (x), tiene una distribución normal. Si el observaciones que están más allá de la media de dos desviaciones estándar se consideran valores atípicos, los outliers espera antes y después de la transformación son totalmente diferentes. Como se muestra en la Figura 3, mientras que...