上限・下限フェンス計算機 - IQR外れ値

上限・下限フェンス法は、四分位範囲（IQR）を使ってデータセット内の外れ値を特定する標準的な手法です。1977年に John Tukey の探索的データ解析の枠組みの一部として開発され、データが特定の分布に従うと仮定せずに異常な観測値を示す、頑健でノンパラメトリックな方法を提供します。この方法は入門統計の授業で広く教えられており、箱ひげ図における標準的な外れ値検出法でもあります。 計算は、データセットを並べ替え、第1四分位数と第3四分位数を求めることから始まります。Q1（25パーセンタイル）はデータの 25% がそれ以下に入る値、Q3（75パーセンタイル）はデータの 75% がそれ以下に入る値です。IQR は単に Q3 から Q1 を引いた値で、データ中央半分の広がりを表します。IQR は分布の両端にある極端な値を無視するため、検出しようとしている外れ値そのものの影響を受けにくく、この性質によりフェンス法は範囲に基づく方法より信頼性が高くなります。 IQR が計算されると、フェンスは Q1 から 1.5 × IQR だけ下に下限フェンス、Q3 から 1.5 × IQR だけ上に上限フェンスとして設定されます。下限フェンスより小さい、または上限フェンスより大きいデータ点は外れ値に分類されます。1.5 という倍率は Tukey が経験的に選んだもので、ほぼ正規的なデータでよく機能します。正規分布では、この規則により観測値のおよそ 0.7% が外れ値として示され、平均から約 2.7 標準偏差を超える値に相当します。 より極端な外れ値については、1.5 の代わりに 3 の倍率を用い、そのような点を遠い外れ値または極端な外れ値と呼ぶ用途もあります。1.5 × IQR フェンスの外側で、3 × IQR フェンスの内側にある点は、軽度の外れ値と呼ばれることがあります。この計算機は標準的な 1.5 × IQR ルールを使用しており、ほとんどの探索的分析に適しています。 外れ値検出は、データクリーニング、品質管理、統計モデリングにおける重要な手順です。製造業では、フェンス外の工程測定値が不良品や測定誤差を示す場合があります。金融では、極端なリターンがデータ誤り、市場の異常、または調査が必要な実際の出来事を示すことがあります。臨床研究では、生理学的に不可能な値が特定され、確認されます。機械学習では、外れ値に対処しないとモデル学習を歪める可能性があります。 統計的外れ値は必ずしも誤った値ではないことを覚えておくことが重要です。外れ値とは、IQR ルールに従ってデータの大部分から異常に離れている観測値にすぎません。その値が実際の極端な事象なのか、測定誤差なのか、データ入力ミスなのかを判断するには調査が必要です。