Rilevamento dei valori anomali
Modellus individua automaticamente i punti che si discostano molto dalla curva di regressione, aiutandoti a scoprire errori di misura o fenomeni interessanti.
Panoramica
Quando fai una regressione sui dati di una tabella, Modellus confronta ogni punto con la curva trovata. I punti che cadono molto lontano dalla curva vengono segnalati come valori anomali e sono evidenziati nelle forme Grafico per aiutarti a interpretare i dati.
Come funziona il rilevamento dei valori anomali
Il procedimento di rilevamento:
- Si calcola una regressione sui dati selezionati (lineare o quadratica)
- Per ogni punto si calcola il residuo (la distanza dalla curva)
- I punti con un residuo oltre una soglia statistica vengono segnalati
- Il metodo
isOutlierIterationcontrassegna queste iterazioni - I grafici disegnano i valori anomali con uno stile visivo diverso
Aspetto nei grafici
| Tipo di punto | Aspetto | Significato |
|---|---|---|
| Normale | Cerchio pieno, colore della serie | Punto coerente con il modello di regressione |
| Valore anomalo | Marcatore diverso (vuoto o di colore contrastante) | Punto lontano dalla curva trovata |
Interpretare i valori anomali
Un valore anomalo può indicare:
- Errore di misura — Il dato è stato registrato in modo sbagliato
- Anomalia sperimentale — Durante quella misura è successo qualcosa di insolito
- Limite del modello — Il modello di regressione scelto (lineare/quadratico) non descrive del tutto il comportamento
- Fenomeno interessante — Un comportamento davvero diverso che vale la pena studiare
Lavorare con i valori anomali
Escludere i valori anomali dalla regressione
Se concludi che alcuni punti sono errori di misura, puoi escluderli selezionando nella Tabella un intervallo di celle più ristretto prima di applicare la regressione. Solo le celle selezionate partecipano all'adattamento della curva.
Confrontare regressioni
Prova sia la regressione lineare sia quella quadratica sugli stessi dati. Se il modello lineare dà molti valori anomali e quello quadratico no, la relazione potrebbe non essere lineare: valuta se migliorare il tuo modello teorico.
Dettagli tecnici
Il rilevamento dei valori anomali viene fatto iterazione per iterazione dal metodo isOutlierIteration del motore di calcolo. Durante il disegno, la forma Grafico lo interroga per ogni punto delle serie Y e applica lo stile dei valori anomali alle iterazioni segnalate.