Quelles sont les lacunes, les clusters et les valeurs aberrantes en mathématiques?

Les lacunes se rapportent aux zones manquantes dans un ensemble de données. Par exemple, si une expérience scientifique recueille des données de température de l`ordre de 50 degrés Fahrenheit à 100 degrés Fahrenheit, mais rien entre 70 et 80 degrés, qui représenterait une lacune dans l`ensemble de données. Un tracé de ligne de cet ensemble de données aurait "X" marques pour des températures comprises entre 50 et 70 et encore entre 80 et 100, mais il n`y aurait rien entre 70 et 80. Les chercheurs peuvent creuser plus profond et d`explorer pourquoi certains points de données ne se présentent pas dans un échantillon prélevé.

Les clusters sont des groupes isolés de points de données. parcelles de ligne, qui sont l`une des façons de représenter des ensembles de données, sont des lignes avec "X" marques placées au-dessus des chiffres précis pour dépeindre leur fréquence d`apparition dans le jeu de données. Un cluster est représenté comme une collection de ces "X" marques dans un petit sous-ensemble d`intervalle ou de données. Par exemple, si les résultats d`examen pour une classe de 10 étudiants sont 74, 75, 80, 72, 74, 75, 76, 86, 88 et 73, le plus "X" marques sur un terrain de ligne serait dans l`intervalle de score de 72 à 76. Cela représenterait un cluster de données. Notez la fréquence de 74 et 75 est de deux, mais pour tous les autres scores, il est l`un.

Outliers sont des valeurs extrêmes - points de données qui se trouvent nettement en dehors d`autres valeurs dans un ensemble de données. Une valeur aberrante doit être significativement inférieure ou supérieure à la majorité des numéros dans un ensemble de données. La définition d` "extrême" dépend de la circonstance et un consensus des analystes impliqués dans la recherche. Outliers pourraient être des points de données mauvaises, aussi connu comme le bruit, ou ils peuvent contenir des informations précieuses sur le phénomène étudié et la méthode de collecte de données elle-même. Par exemple, si les scores de classe sont la plupart du temps dans l`intervalle de 70 à 80, mais un couple de scores sont dans les basses années 50, ceux qui pourraient représenter des valeurs aberrantes.

Les lacunes, les valeurs aberrantes et les clusters dans les ensembles de données peuvent influer sur les résultats de l`analyse mathématique. Les lacunes et les clusters pourraient représenter des erreurs dans la méthode de collecte de données. Par exemple, si un téléphone sondages de l`enquête que certains codes de la région, tels que les complexes à faible revenu ou zones résidentielles de banlieue haut de gamme, et pas un large échantillon de la population, les chances sont il y aura des lacunes et des clusters dans les données . Outliers peuvent fausser la valeur moyenne ou moyenne d`un ensemble de données. Par exemple, la valeur moyenne ou moyenne d`un ensemble de données constitué de quatre nombres - 50, 55, 65 et 90 - est 65. Sans la valeur aberrante 90, cependant, la moyenne est d`environ 57.