Test Q: differenze tra le versioni

Versione delle 08:03, 5 apr 2005

Versione delle 08:26, 5 apr 2005

Riga 7:

dove R è l'intervallo in cui abbiamo dei valori

Se il Q_n >è maggiore del Q_tabella allora si può scartare il valore, con affidabilità pari alla percentuale riportata.

'''Importante''': al massimo '''un''' valore per serie di dati può essere eliminato con il test Q, se si vuole preservare l'integrità statistica dei dati.

==Tabella di valori==

{|style="vertical-align: top;"

|NumberNumero ofdi Valuesdati:

| style="text-align: center;"|3

| style=" text-align: center;"|4

Riga 44:

|}

==Esempio id applicazione==

==Example==

Consideriamo i dati seguenti:

For the data:

:<math>0.189, 0.169, 0.187, 0.183, 0.186, 0.182, 0.181, 0.184, 0.181, 0.177</math>

Dopo averli ordinati in ordine crescente, calcoliamo per ognuno la differenza tra i valori successivi:

Arranged in increasing order:

{|

:<math>0.169, 0.177, 0.181, 0.181, 0.182, 0.183, 0.184, 0.186, 0.187, 0.189</math>

|0.168

|0.177

|0.181

| 0.181

| 0.182

| 0.183

| 0.184

| 0.186

| 0.187

| 0.189

|-

| ---

| 0.009

| 0.004

| 0.000

| 0.001

| 0.001

| 0.001

| 0.002

| 0.001

| 0.002

|}

Il valore che più si discosta dagli altri è 0.168. Calcoliamone Q:

Outlier is 0.169. Calculate Q:

:<math>Q= \frac{gap}{range}=\frac {(0.177-0.169168)} {(0.189-0.169168)}= \simeq 0.400429</math>

WithCon 10 observationsdati, e atal 90% confidencedi affidabilità, Q_calculatedn <è maggiore del Q_tabletabella. ThereforePossimo keepquindi scartare 0.169168 atse vogliamo il 90% confidencedi affidabilità, mentre al 95% possiamo tenerlo.