A szórást az adatkészletben szereplő összes megfigyelés alapján számítjuk ki. Következésképpen ezt érzékeny mértéknek nevezik, mert kiugró értékek befolyásolják. … Ebben az esetben az IQR a szórás preferált mértéke, mert a mintában van egy kiugró érték.
Mi az előnye a szórásnak az IQR-hez képest?
A szórás azt írja le, hogy átlagosan milyen messze vannak az egyes megfigyelések az átlagtól. Szélsőséges értékek befolyásolják, de előnye az interkvartilis tartományhoz képest, hogy az összes megfigyelést felhasználja a számítása során.
Mikor részesíti előnyben az IQR-t a szórással szemben?
Az interkvartilis tartományt kell használnia egy adatkészletben lévő értékek terjedésének mérésére, ha szélsőséges kiugró értékek vannak jelen. Ezzel szemben a szórást kell használni az értékek szórásának mérésére, ha nincsenek szélsőséges kiugró értékek.
Miért jobb az IQR, mint a standard eltérés ferde adatok esetén?
Ez egy másik ok, amiért érdemesebb az IQR-t használni egy ferde adathalmaz terjedésének mérésekor. … Ferde eloszlás esetén az adatok felső és alsó fele eltérő szórású, így egyetlen szám sem, például a szórása le tudná nagyon jól leírni a szórást.
Az IQR vagy a szórás jobb erreváltozékonyság?
A szórást és szórást előnyben részesítjük, mert ezek figyelembe veszik a teljes adathalmazt, de ez azt is jelenti, hogy a kiugró értékek könnyen befolyásolhatók. Ferde eloszlások vagy kiugró értékekkel rendelkező adathalmazok esetén az interkvartilis tartomány a legjobb mérték.
