Points clés
- Catégorie
- Maths, dates et finance
- Types d’entrée
- textarea, select, number, checkbox
- Type de sortie
- json
- Couverture des échantillons
- 2
- API disponible
- Yes
Vue d’ensemble
Ce calculateur d'écart interquartile (IQR) permet de mesurer rapidement la dispersion des 50 % centraux de votre jeu de données. En calculant le premier quartile (Q1), le troisième quartile (Q3) et l'IQR, cet outil facilite la création de boîtes à moustaches et l'identification des valeurs aberrantes grâce aux bornes de Tukey (1.5 x IQR). Idéal pour les analyses statistiques robustes, il prend en charge plusieurs méthodes d'interpolation pour s'adapter à vos besoins d'analyse de données.
Quand l’utiliser
- •Lors de la préparation de données pour construire une boîte à moustaches (boxplot).
- •Pour détecter et filtrer les valeurs aberrantes (outliers) dans un jeu de données statistiques.
- •Lorsque vous avez besoin d'une mesure de dispersion robuste qui n'est pas influencée par les valeurs extrêmes, contrairement à l'écart-type.
Comment ça marche
- •Saisissez ou collez votre série de nombres séparés par des virgules dans le champ du jeu de données.
- •Sélectionnez la méthode de calcul des quartiles (interpolation linéaire, rang le plus proche ou percentile exclusif).
- •Ajustez le nombre de décimales et choisissez d'inclure ou non les bornes d'anomalies (1.5 x IQR).
- •Obtenez instantanément les valeurs de Q1, Q3, l'écart interquartile et les limites pour identifier les valeurs aberrantes.
Cas d’usage
Exemples
1. Détection d'anomalies de prix
Analyste de données- Contexte
- Un analyste examine les prix de vente de maisons dans un quartier pour établir une moyenne représentative.
- Problème
- Quelques propriétés de luxe faussent la moyenne des prix. Il faut identifier ces valeurs extrêmes pour les exclure de l'analyse principale.
- Comment l’utiliser
- Saisir les prix dans le champ de données, cocher 'Inclure les bornes d anomalies' et utiliser l'interpolation linéaire.
- Configuration d’exemple
-
dataset: 250000, 265000, 270000, 280000, 300000, 850000 quartileMethod: linear includeOutlierFences: true - Résultat
- L'outil calcule l'IQR et définit la borne supérieure. Le prix de 850 000 est identifié comme une valeur aberrante car il dépasse largement Q3 + 1.5 x IQR.
2. Analyse des temps de réponse d'un serveur
Ingénieur système- Contexte
- L'ingénieur surveille les temps de réponse (en millisecondes) d'une API pour évaluer les performances générales.
- Problème
- Les pics de latence occasionnels rendent l'écart-type peu fiable pour mesurer l'expérience utilisateur typique.
- Comment l’utiliser
- Coller les temps de réponse dans le jeu de données et générer l'IQR pour observer la dispersion des 50 % des requêtes centrales.
- Configuration d’exemple
-
dataset: 45, 50, 52, 55, 58, 60, 65, 120, 300 decimalPlaces: 2 - Résultat
- L'IQR révèle que la majorité des temps de réponse sont très groupés (faible dispersion), confirmant que les latences de 120 et 300 ms sont des anomalies isolées.
Tester avec des échantillons
qrFAQ
Qu'est-ce que l'écart interquartile (IQR) ?
L'IQR est une mesure de dispersion statistique qui représente la différence entre le troisième quartile (Q3) et le premier quartile (Q1), couvrant ainsi les 50 % centraux des données.
Comment les valeurs aberrantes sont-elles détectées avec l'IQR ?
Les valeurs aberrantes sont généralement définies comme les points situés en dessous de Q1 - 1.5 x IQR ou au-dessus de Q3 + 1.5 x IQR (bornes de Tukey).
Quelle méthode de quartile dois-je choisir ?
L'interpolation linéaire est la plus courante. Le rang le plus proche est utile pour les petits échantillons, et le percentile exclusif est souvent utilisé dans certains logiciels statistiques spécifiques.
L'outil gère-t-il les nombres négatifs et les décimales ?
Oui, vous pouvez inclure des nombres négatifs et des valeurs décimales dans votre jeu de données, à condition de les séparer par des virgules.
Pourquoi utiliser l'IQR plutôt que l'écart-type ?
L'IQR est une mesure robuste, ce qui signifie qu'elle n'est pas faussée par des valeurs extrêmes (outliers), contrairement à l'écart-type ou à la moyenne.