Calculateur de bornes IQR et valeurs aberrantes

La méthode des bornes supérieure et inférieure est la technique standard pour identifier les valeurs aberrantes dans un jeu de données à l’aide de l’écart interquartile (IQR). Développée dans le cadre de l’analyse exploratoire des données de John Tukey en 1977, elle fournit une méthode robuste et non paramétrique pour signaler des observations inhabituelles sans supposer que les données suivent une distribution particulière. Cette méthode est largement enseignée dans les cours d’introduction aux statistiques et constitue l’approche par défaut de détection des valeurs aberrantes dans les boîtes à moustaches. Le calcul commence par le tri du jeu de données et la détermination des premier et troisième quartiles. Q1 (25e percentile) est la valeur sous laquelle se trouvent 25% des données, tandis que Q3 (75e percentile) est la valeur sous laquelle se trouvent 75% des données. L’IQR est simplement Q3 moins Q1 et représente la dispersion de la moitié centrale des données. Comme l’IQR ignore les valeurs extrêmes aux deux extrémités de la distribution, il résiste aux valeurs aberrantes mêmes qu’il cherche à détecter, ce qui rend la méthode des bornes plus fiable que les méthodes fondées sur l’étendue. Une fois l’IQR calculé, les bornes sont fixées à 1.5 × IQR sous Q1 (borne inférieure) et à 1.5 × IQR au-dessus de Q3 (borne supérieure). Tout point de données situé sous la borne inférieure ou au-dessus de la borne supérieure est classé comme valeur aberrante. Le multiplicateur 1.5 a été choisi empiriquement par Tukey parce qu’il fonctionne bien pour des données approximativement normales : dans une distribution normale, cette règle signale environ 0.7% des observations comme aberrantes, ce qui correspond à des valeurs situées à plus d’environ 2.7 écarts-types de la moyenne. Pour les valeurs aberrantes plus extrêmes, certaines applications utilisent un multiplicateur de 3 au lieu de 1.5 et qualifient ces points de valeurs aberrantes lointaines ou extrêmes. Les points situés hors de la borne 1.5 × IQR mais à l’intérieur de la borne 3 × IQR sont parfois appelés valeurs aberrantes modérées. Ce calculateur utilise la règle standard 1.5 × IQR, adaptée à la plupart des analyses exploratoires. La détection des valeurs aberrantes est une étape essentielle du nettoyage des données, du contrôle qualité et de la modélisation statistique. En fabrication, une mesure de procédé hors borne peut indiquer une unité défectueuse ou une erreur de mesure. En finance, des rendements extrêmes peuvent signaler des erreurs de données, des anomalies de marché ou de véritables événements nécessitant une enquête. En recherche clinique, les valeurs physiologiquement impossibles sont identifiées et examinées. En apprentissage automatique, les valeurs aberrantes peuvent fausser l’entraînement du modèle si elles ne sont pas traitées. Il est important de rappeler que les valeurs aberrantes statistiques ne sont pas nécessairement des valeurs erronées. Une valeur aberrante est simplement une observation inhabituellement éloignée de la masse des données selon la règle IQR. Une investigation est nécessaire pour déterminer si la valeur représente un événement extrême réel, une erreur de mesure ou une erreur de saisie.