Je ziet hier twee boxplots van de gemeten voetlengtes van `100` mannen en `100` vrouwen. Bij de mannen zijn er twee losse datapunten te zien. Dat zijn echte uitschieters, in dit geval beide naar beneden.
In een boxplot is een uitschieter (of uitbijter) een waarde die meer dan
`1,5`
keer de interkwartielafstand onder het eerste kwartiel of boven het derde kwartiel
zit. Hier zijn het de waarden
`21,1`
en
`23,4`
.
Ga na dat deze waarden beide meer dan
`1,5`
keer de kwartielafstand onder
`Q_1`
zitten.
In speciale gevallen bij kleine steekproeven kun je uitschieters opsporen met behulp van Dixon's Q-test. Bij `n` meetwaarden ga je zo te werk:
Je zet eerst alle meetwaarden op volgorde van klein naar groot en bepaalt de spreidingsbreedte.
Je berekent het grootste verschil tussen twee waarden naast elkaar.
Dit getal deel je door de spreidingsbreedte en je krijgt `Q_(text(data))` .
Je vergelijkt `Q_(text(data))` met de `Q` -waarde in Dixon's tabel die je vindt bij de juiste `n` en de gewenste betrouwbaarheid. Als `Q_(text(data)) gt Q` dan heb je met een uitschieter te maken.
Ze kun je met een zelf gekozen (of voorgeschreven) betrouwbaarheid vaststellen of een waarde een uitschieter is.
Ga zelf na dat de waarden `21,1` en `23,4` uitschieters zijn bij de voetlengtes van de mannen.
In het bijgevoegde Excelbestand vind je ook de voetlengtes van `100` vrouwen.
Ga ook na, dat er bij de voetlengtes van de vrouwen geen uitschieters zijn.
Neem aan dat je op de gegevens in het Excelbestand ook Dixon's Q-test kunt toepassen.
Onderzoek, of de waarde `31,6` cm bij de mannen ook volgens deze testmethode een uitschieter is met een betrouwbaarheid van `95` %.
Je denkt dat de uitschieter bij c het gevolg kan zijn van een meetfout.
Je verwijdert hem uit de data.
Onderzoek daarna of er nog een andere uitschieter is.