{"id":1197,"date":"2024-09-05T23:05:36","date_gmt":"2024-09-05T21:05:36","guid":{"rendered":"https:\/\/site.ellistat.com\/?p=1197"},"modified":"2024-10-23T15:16:29","modified_gmt":"2024-10-23T13:16:29","slug":"test-dei-valori-anomali","status":"publish","type":"post","link":"https:\/\/clooma.ai\/it\/test-dei-valori-anomali\/","title":{"rendered":"Test sugli outlier"},"content":{"rendered":"<p>Quando si analizza una serie di dati, a volte ci si imbatte in valori che non sembrano rientrare nella distribuzione normale dei dati. Questi punti sono noti come outlier e, come al solito, non bisogna sempre affidarsi al proprio intuito per capire se un valore \u00e8 un outlier o meno. Esistono test che possono evidenziarli e software statistici come&nbsp;<a href=\"https:\/\/clooma.ai\/it\/soluzioni-per-lanalisi-dei-dati\/\">Ellistat<\/a>&nbsp;per aiutarvi nei calcoli.<\/p>\n\n\n\n<p>Da un punto di vista statistico, un outlier \u00e8 un valore che non appartiene alla distribuzione normale dei dati. Pu\u00f2 provenire da :<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Un errore di misurazione o di copiatura (dimenticando la virgola)<\/li>\n\n\n\n<li>Una causa particolare, ad esempio un pezzo non lavato prima della misurazione.<\/li>\n<\/ul>\n\n\n\n<p>Tutti i calcoli statistici che utilizzano le propriet\u00e0 della distribuzione normale (test statistici, calcoli di capacit\u00e0, calcoli di fuori tolleranza %) sono molto sensibili alla presenza di outlier, quindi \u00e8 importante capirne l'origine ed eliminarli prima di utilizzare questi calcoli. Si possono utilizzare anche test statistici non parametrici, che sono molto meno sensibili agli outlier.<\/p>\n\n\n\n<p>Vengono utilizzati due test principali:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li><a href=\"https:\/\/fr.wikipedia.org\/wiki\/Test_Q\">Test di Dixon<\/a>\u00a0: molto interessante quando il numero di dati \u00e8 basso (&lt;30)<\/li>\n\n\n\n<li><a href=\"https:\/\/fr.wikipedia.org\/wiki\/Test_de_Grubbs\">Test di Grubbs<\/a>\u00a0pu\u00f2 essere utilizzato in tutti i casi.<\/li>\n<\/ul>\n\n\n\n<h2 class=\"wp-block-heading\">Test di Dixon<\/h2>\n\n\n<div class=\"wp-block-image\">\n<figure class=\"aligncenter size-full\"><img decoding=\"async\" src=\"https:\/\/clooma.ai\/wp-content\/uploads\/2024\/09\/Test-de-Dixon.png\" alt=\"\" class=\"wp-image-1199\"\/><\/figure><\/div>\n\n\n<p>Per utilizzare il test di Dixon, calcolare il rapporto :<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>b = L'ambito complessivo delle misure (qui 14.1)<\/li>\n\n\n\n<li>a = distanza tra la parte sospettata di essere un outlier e il suo vicino pi\u00f9 prossimo (qui 8,6)<\/li>\n<\/ul>\n\n\n\n<p>Il rapporto \u00e8 calcolato in %.<\/p>\n\n\n\n<p>Questo rapporto viene poi confrontato con la tabella di Dixon:<\/p>\n\n\n\n<figure class=\"wp-block-table\"><table class=\"has-fixed-layout\"><thead><tr><th>&nbsp;<\/th><th>&nbsp;<\/th><th>&nbsp;<\/th><th>&nbsp;<\/th><th>&nbsp;<\/th><th>&nbsp;<\/th><th>&nbsp;<\/th><\/tr><\/thead><tbody><tr><td>Numero di parti<\/td><td>3<\/td><td>5<\/td><td>10<\/td><td>16<\/td><td>20<\/td><td>30<\/td><\/tr><tr><td>Rapporto massimo<\/td><td>0.94<\/td><td>0.72<\/td><td>0.46<\/td><td>0.38<\/td><td>0.34<\/td><td>0.30<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n<p>Se il valore \u00e8 inferiore al rapporto massimo suggerito dalla tabella, allora il valore non \u00e8 un outlier. In questo caso, il rapporto di 62% per 5 pezzi \u00e8 inferiore a 72%. Il punto non \u00e8 quindi un outlier.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Test di Grubb<\/h3>\n\n\n\n<p>Per utilizzare il test di Grubb, si calcola innanzitutto :<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>X: la media di tutte le misure<\/li>\n\n\n\n<li>S: Deviazione standard di tutte le misure<\/li>\n\n\n\n<li>G: distanza tra il valore sospettato di essere un outlier e la media G.<\/li>\n<\/ul>\n\n\n\n<p class=\"has-text-align-center\"><span class=\"wp-katex-eq\" data-display=\"false\">G=refrac{(Valore - X)}{S}<\/span><\/p>\n\n\n<div class=\"wp-block-image\">\n<figure class=\"aligncenter size-full\"><img decoding=\"async\" src=\"https:\/\/clooma.ai\/wp-content\/uploads\/2024\/09\/Test-de-Grubb.png\" alt=\"\" class=\"wp-image-1198\"\/><\/figure><\/div>\n\n\n<p>Il valore di G ottenuto viene poi confrontato con un limite G :<\/p>\n\n\n\n<p class=\"has-text-align-center\"><span class=\"wp-katex-eq\" data-display=\"false\">G_{limite}=\\frac{N-1}{\\sqrt{N}}.\\sqrt{\\frac{t^2_{\\frac{a}{N},N-2}{}}{N-2 +t^2{}_{\\frac{a}{n}}{,} N-2}}<\/span><\/p>\n\n\n\n<p>Se il limite G&gt;G il valore \u00e8 considerato un outlier e viceversa.<\/p>","protected":false},"excerpt":{"rendered":"<p>Quando si analizza una serie di dati, a volte ci si imbatte in valori che non sembrano rientrare nella distribuzione normale dei dati. Questi punti sono noti come \"outlier\" e, come al solito, non si pu\u00f2 sempre fare affidamento sul proprio intuito per capire se un particolare valore \u00e8 [...]<\/p>","protected":false},"author":2,"featured_media":1202,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[7],"tags":[],"class_list":["post-1197","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-data-analysis"],"acf":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v25.9 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Tests de valeurs aberrantes - Clooma<\/title>\n<meta name=\"description\" content=\"Lorsque l&#039;on trouve des valeurs aberrantes, il ne faut pas se fier \u00e0 son intuition. Il existe des tests de valeurs aberrantes.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/clooma.ai\/it\/test-dei-valori-anomali\/\" \/>\n<meta property=\"og:locale\" content=\"it_IT\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Tests de valeurs aberrantes - Clooma\" \/>\n<meta property=\"og:description\" content=\"Lorsque l&#039;on trouve des valeurs aberrantes, il ne faut pas se fier \u00e0 son intuition. Il existe des tests de valeurs aberrantes.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/clooma.ai\/it\/test-dei-valori-anomali\/\" \/>\n<meta property=\"og:site_name\" content=\"Clooma\" \/>\n<meta property=\"article:published_time\" content=\"2024-09-05T21:05:36+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2024-10-23T13:16:29+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/clooma.ai\/wp-content\/uploads\/2024\/09\/yellow-7148792_1280.jpg\" \/>\n\t<meta property=\"og:image:width\" content=\"1280\" \/>\n\t<meta property=\"og:image:height\" content=\"720\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/jpeg\" \/>\n<meta name=\"author\" content=\"Davy\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Scritto da\" \/>\n\t<meta name=\"twitter:data1\" content=\"Davy\" \/>\n\t<meta name=\"twitter:label2\" content=\"Tempo di lettura stimato\" \/>\n\t<meta name=\"twitter:data2\" content=\"3 minuti\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/clooma.ai\/tests-de-valeurs-aberrantes\/\",\"url\":\"https:\/\/clooma.ai\/tests-de-valeurs-aberrantes\/\",\"name\":\"Tests de valeurs aberrantes - Clooma\",\"isPartOf\":{\"@id\":\"https:\/\/clooma.ai\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\/\/clooma.ai\/tests-de-valeurs-aberrantes\/#primaryimage\"},\"image\":{\"@id\":\"https:\/\/clooma.ai\/tests-de-valeurs-aberrantes\/#primaryimage\"},\"thumbnailUrl\":\"https:\/\/clooma.ai\/wp-content\/uploads\/2024\/09\/yellow-7148792_1280.jpg\",\"datePublished\":\"2024-09-05T21:05:36+00:00\",\"dateModified\":\"2024-10-23T13:16:29+00:00\",\"author\":{\"@id\":\"https:\/\/clooma.ai\/#\/schema\/person\/e2a04a9eb45bae5d885b534cbf70df8d\"},\"description\":\"Lorsque l'on trouve des valeurs aberrantes, il ne faut pas se fier \u00e0 son intuition. Il existe des tests de valeurs aberrantes.\",\"breadcrumb\":{\"@id\":\"https:\/\/clooma.ai\/tests-de-valeurs-aberrantes\/#breadcrumb\"},\"inLanguage\":\"it-IT\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/clooma.ai\/tests-de-valeurs-aberrantes\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"it-IT\",\"@id\":\"https:\/\/clooma.ai\/tests-de-valeurs-aberrantes\/#primaryimage\",\"url\":\"https:\/\/clooma.ai\/wp-content\/uploads\/2024\/09\/yellow-7148792_1280.jpg\",\"contentUrl\":\"https:\/\/clooma.ai\/wp-content\/uploads\/2024\/09\/yellow-7148792_1280.jpg\",\"width\":1280,\"height\":720,\"caption\":\"illustration d'une valeur aberrante\"},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/clooma.ai\/tests-de-valeurs-aberrantes\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Accueil\",\"item\":\"https:\/\/clooma.ai\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Data Analysis\",\"item\":\"https:\/\/clooma.ai\/category\/data-analysis\/\"},{\"@type\":\"ListItem\",\"position\":3,\"name\":\"Tests de valeurs aberrantes\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/clooma.ai\/#website\",\"url\":\"https:\/\/clooma.ai\/\",\"name\":\"Clooma\",\"description\":\"Close the loop, master the future\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/clooma.ai\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"it-IT\"},{\"@type\":\"Person\",\"@id\":\"https:\/\/clooma.ai\/#\/schema\/person\/e2a04a9eb45bae5d885b534cbf70df8d\",\"name\":\"Davy\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"it-IT\",\"@id\":\"https:\/\/clooma.ai\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/clooma.ai\/wp-content\/litespeed\/avatar\/e2d1fff799059e0c9b9f4f3451274ada.jpg?ver=1775099999\",\"contentUrl\":\"https:\/\/clooma.ai\/wp-content\/litespeed\/avatar\/e2d1fff799059e0c9b9f4f3451274ada.jpg?ver=1775099999\",\"caption\":\"Davy\"},\"sameAs\":[\"https:\/\/ellistat.com\"],\"url\":\"https:\/\/clooma.ai\/it\/author\/elliadmin\/\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Test dei valori anomali - Clooma","description":"Quando si trovano degli outlier, non bisogna fidarsi dell'intuizione. Esistono dei test sui valori anomali.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/clooma.ai\/it\/test-dei-valori-anomali\/","og_locale":"it_IT","og_type":"article","og_title":"Tests de valeurs aberrantes - Clooma","og_description":"Lorsque l'on trouve des valeurs aberrantes, il ne faut pas se fier \u00e0 son intuition. Il existe des tests de valeurs aberrantes.","og_url":"https:\/\/clooma.ai\/it\/test-dei-valori-anomali\/","og_site_name":"Clooma","article_published_time":"2024-09-05T21:05:36+00:00","article_modified_time":"2024-10-23T13:16:29+00:00","og_image":[{"width":1280,"height":720,"url":"https:\/\/clooma.ai\/wp-content\/uploads\/2024\/09\/yellow-7148792_1280.jpg","type":"image\/jpeg"}],"author":"Davy","twitter_card":"summary_large_image","twitter_misc":{"Scritto da":"Davy","Tempo di lettura stimato":"3 minuti"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/clooma.ai\/tests-de-valeurs-aberrantes\/","url":"https:\/\/clooma.ai\/tests-de-valeurs-aberrantes\/","name":"Test dei valori anomali - Clooma","isPartOf":{"@id":"https:\/\/clooma.ai\/#website"},"primaryImageOfPage":{"@id":"https:\/\/clooma.ai\/tests-de-valeurs-aberrantes\/#primaryimage"},"image":{"@id":"https:\/\/clooma.ai\/tests-de-valeurs-aberrantes\/#primaryimage"},"thumbnailUrl":"https:\/\/clooma.ai\/wp-content\/uploads\/2024\/09\/yellow-7148792_1280.jpg","datePublished":"2024-09-05T21:05:36+00:00","dateModified":"2024-10-23T13:16:29+00:00","author":{"@id":"https:\/\/clooma.ai\/#\/schema\/person\/e2a04a9eb45bae5d885b534cbf70df8d"},"description":"Quando si trovano degli outlier, non bisogna fidarsi dell'intuizione. Esistono dei test sui valori anomali.","breadcrumb":{"@id":"https:\/\/clooma.ai\/tests-de-valeurs-aberrantes\/#breadcrumb"},"inLanguage":"it-IT","potentialAction":[{"@type":"ReadAction","target":["https:\/\/clooma.ai\/tests-de-valeurs-aberrantes\/"]}]},{"@type":"ImageObject","inLanguage":"it-IT","@id":"https:\/\/clooma.ai\/tests-de-valeurs-aberrantes\/#primaryimage","url":"https:\/\/clooma.ai\/wp-content\/uploads\/2024\/09\/yellow-7148792_1280.jpg","contentUrl":"https:\/\/clooma.ai\/wp-content\/uploads\/2024\/09\/yellow-7148792_1280.jpg","width":1280,"height":720,"caption":"illustration d'une valeur aberrante"},{"@type":"BreadcrumbList","@id":"https:\/\/clooma.ai\/tests-de-valeurs-aberrantes\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Accueil","item":"https:\/\/clooma.ai\/"},{"@type":"ListItem","position":2,"name":"Data Analysis","item":"https:\/\/clooma.ai\/category\/data-analysis\/"},{"@type":"ListItem","position":3,"name":"Tests de valeurs aberrantes"}]},{"@type":"WebSite","@id":"https:\/\/clooma.ai\/#website","url":"https:\/\/clooma.ai\/","name":"Clooma","description":"Chiudere il cerchio, dominare il futuro","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/clooma.ai\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"it-IT"},{"@type":"Person","@id":"https:\/\/clooma.ai\/#\/schema\/person\/e2a04a9eb45bae5d885b534cbf70df8d","name":"Davy","image":{"@type":"ImageObject","inLanguage":"it-IT","@id":"https:\/\/clooma.ai\/#\/schema\/person\/image\/","url":"https:\/\/clooma.ai\/wp-content\/litespeed\/avatar\/e2d1fff799059e0c9b9f4f3451274ada.jpg?ver=1775099999","contentUrl":"https:\/\/clooma.ai\/wp-content\/litespeed\/avatar\/e2d1fff799059e0c9b9f4f3451274ada.jpg?ver=1775099999","caption":"Davy"},"sameAs":["https:\/\/ellistat.com"],"url":"https:\/\/clooma.ai\/it\/author\/elliadmin\/"}]}},"_links":{"self":[{"href":"https:\/\/clooma.ai\/it\/wp-json\/wp\/v2\/posts\/1197","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/clooma.ai\/it\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/clooma.ai\/it\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/clooma.ai\/it\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/clooma.ai\/it\/wp-json\/wp\/v2\/comments?post=1197"}],"version-history":[{"count":1,"href":"https:\/\/clooma.ai\/it\/wp-json\/wp\/v2\/posts\/1197\/revisions"}],"predecessor-version":[{"id":1200,"href":"https:\/\/clooma.ai\/it\/wp-json\/wp\/v2\/posts\/1197\/revisions\/1200"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/clooma.ai\/it\/wp-json\/wp\/v2\/media\/1202"}],"wp:attachment":[{"href":"https:\/\/clooma.ai\/it\/wp-json\/wp\/v2\/media?parent=1197"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/clooma.ai\/it\/wp-json\/wp\/v2\/categories?post=1197"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/clooma.ai\/it\/wp-json\/wp\/v2\/tags?post=1197"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}