Kapitel 6. Erkennung von Anomalien bei normal verteilten Daten
Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: translation-feedback@oreilly.com
Es gibt viele Möglichkeiten, Ausreißer in deinen Daten zu erkennen. Eine Möglichkeit hast du bereits in Kapitel 4 über Histogramme kennengelernt. Die Visualisierung von Ausreißern in einem Histogramm bringt dich jedoch nur bedingt weiter. Was ist, wenn du die Anomalie quantifizieren und diese Ergebnisse deinen Stakeholdern mitteilen willst? In diesem Kapitel lernst du drei verschiedene Techniken kennen, mit denen du Ausreißer mit Tableau quantifizieren und visualisieren kannst.
Am Ende dieses Kapitels wirst du in der Lage sein, Standardabweichungen, Mediane mit Quartilen und z-Scores zu verwenden, um Ausreißer in deinen Daten zu erkennen und sie deinen Stakeholdern visuell zu präsentieren. Wichtig ist auch, dass diese Methoden auf Daten angewendet werden, die einer Normalverteilung entsprechen, die du in den vorherigen Kapiteln kennengelernt hast.
Standardabweichungen verstehen
Die Standardabweichung ist ein statistisches Maß, das den Grad der Variabilität oder Streuung innerhalb einer Reihe von Datenpunkten angibt. Sie misst, wie weit die Werte in einem Datensatz vom Mittelwert oder Durchschnitt der Daten entfernt sind.
Mathematisch gesehen wird die Standardabweichung als Quadratwurzel der Varianz berechnet. Die Varianz erhält man, indem man den Durchschnitt der quadrierten Differenzen ...
Get Statistisches Tableau now with the O’Reilly learning platform.
O’Reilly members experience books, live events, courses curated by job role, and more from O’Reilly and nearly 200 top publishers.
