Cari Outliers dalam Data Infographics Anda - dummies

Dalam menganalisis data untuk maklumat grafik anda, anda harus sedar bahawa beberapa titik data - dikenali sebagai outliers - terletak sejauh luar biasa hubungi perhatian mereka sendiri. Dalam kes-kes yang paling teruk, mereka juga boleh mengawal data dan membuat gambaran yang mengelirukan tentang subjek itu. Anda perlu mengenali apabila anda mempunyai penjelasan dan kemudian memutuskan apa yang perlu dilakukan mengenainya.

Jadual ini mengandungi contoh mudah untuk menunjukkan idea ini. Kedua-dua set data mewakili gred pelajar, selama lapan minggu, pada dua peperiksaan mingguan; nombor adalah peratus yang betul pada peperiksaan. Dataset di sebelah kiri (peperiksaan pertama) tidak mengandungi outlier, tetapi dataset di sebelah kanan (ujian kedua) tidak. Outlier satu ditunjukkan dalam huruf tebal.

Gred Jadual Mingguan

Minggu	Gred (tidak lebih jelas)	Gred (satu luaran)
1	90%	90%
	88%	88%
3	90%	90%
4	85%	86%
8	87%	87%
7	85%	85%
8	84%	84%
> 87%	83%
Rata-rata di lorong tengah mencatatkan gambaran yang tepat mengenai pencapaian pelajar dalam ujian biasa. Outlier tunggal (tebal) (50%) dalam dataset di sebelah kanan melemparkan perengkuh ke dalam karya, walaupun, menjatuhkan rata-rata pelajar dengan empat poin peratusan dan mencondongkan data.	Apa yang dilakukan wartawan data dalam kes sedemikian? Berikut adalah beberapa pilihan:	Buang outlier.

Jika anda hanya menggunakan purata dalam grafik anda dan prihatin bahawa ia mengelirukan, menghapuskan outlier sebagai penyimpangan dan kemudian mengira purata tanpa minggu itu, seperti ditunjukkan dalam angka tersebut.

Dalam contoh ini, membuang outlier bermakna skor ujian purata pelajar ini melonjak sehingga 87%, yang (sebagai lajur pertama menunjukkan) adalah perwakilan pencapaian yang lebih baik sepanjang tempoh ini.

• Jika anda pergi dengan pilihan ini, pastikan anda menambah nota kaki yang menjelaskan segala-galanya: dalam hal ini, penghapusan titik data. Sentiasa menjadi telus mungkin. Tunjukkan data as-is.

  Sama ada anda menggunakan hanya rata-rata dalam grafik anda atau merancang semua data dalam carta, anda sentiasa dapat mempersembahkan data tepat seperti yang anda hadapi, seperti ditunjukkan dalam gambar berikut.

  Dalam kes ini, anda harus menambah nota kaki yang memanggil outlier supaya pembaca anda sedar sepenuhnya.

  

  Bina "barisan terbaik. "

• Pilihan ini terpakai hanya jika anda membuat carta yang menunjukkan semua data. Baris yang paling sesuai - juga dipanggil regresi linear

  - adalah purata visual data anda: secara literal garis yang mewakili titik data tersebar anda terbaik.