四分位数

1 数据质量分析 数据质量分析是数据预处理的前提，也是数据挖掘分析结论有效性和准确性的基础。其主要任务是检查原始数据中是否存在脏数据： （1）缺失值 （2）异常值（outliers） （3）不一致的值 （4）重复数据及含有特殊符号的数据 1.1 缺失值分析 1.2 异常值分析 异常值是指样本中数值明显偏离其余观测值的个别值，也称为离群点。 （1）简单统计量分析 先对变量做描述性统计，检查数据是否合理。常用的统计量是最大、最小值。 （2）3σ 原则 （3）箱型图分析 1.3 一致性分析 数据不一致是指数据中存在矛盾、不相容。 2 数据特征分析 2.1 分布分析 定量数据：频率分布表、频路分布直方图、茎叶图 定性分类数据：饼图、条形图 定量数据的分布分析 选择“组数”和“组宽” （1）求极差 （2）确定组距与组数 （3）确定分点 （4）列出频率分布表 （5）绘制频率分布直方图 主要原则： （1）各组间互斥 （2）各组必须包含所有数据 （3）各组组宽相等 定性数据分布分析 对于定性变量，常根据变量的分类类型进行分组，可以采用饼图和条形图描述定性变量的分布。 2.2 对比分析 对比分析是指比较两个相互联系的指标，从数量上展示、说明研究对象规模、水平、速度，以及各种关系是否协调，适用于指标间的横纵向比较、时间序列比较分析。对比分析主要形式有： （1）绝对数值比较：通过绝对数对比，寻找差异；

箱形图（Box-plot） 又称为盒须图、盒式图或箱线图，是一种用作显示一组数据分散情况资料的统计图，因形状如箱子而得名。它能显示出一组数据的最大值、最小值、中位数、及上下四分位数。 箱形图绘制须使用常用的统计量，能提供有关数据位置和分散情况的关键信息，尤其在比较不同的母体数据时更可表现其差异。 箱形图的绘制主要包含六个数据节点，需要先将数据从大到小进行排列，然后分别计算出它的上边缘，上四分位数，中位数，下四分位数，下边缘，还有一个异常值。 计算过程： 计算上四分位数（Q3），中位数，下四分位数（Q1） 计算上四分位数和下四分位数之间的差值，即四分位数差（IQR, interquartile range）Q3-Q1 绘制箱线图的上下范围，上限为上四分位数，下限为下四分位数。在箱子内部中位数的位置绘制横线。 大于上四分位数1.5倍四分位数差的值，或者小于下四分位数1.5倍四分位数差的值，划为异常值（outliers）。 异常值之外，最靠近上边缘和下边缘的两个值处，画横线，作为箱线图的触须。 极端异常值，即超出四分位数差3倍距离的异常值，用实心点表示；较为温和的异常值，即处于1.5倍-3倍四分位数差之间的异常值，用空心点表示。 为箱线图添加名称，数轴等 分位数 根据其将数列等分的形式不同可以分为中位数，四分位数，十分位数、百分位数等等。四分位数作为分位数的一种形式