آموزش تصویری نرمال سازی از طریق حذف داده های پرت | Outlier

زمانی که داده‌ها را وارد نرم افزار اکسل یا SPSS می‌کنیم ممکن است در وارد کردن داده‌ها اشتباهی صورت گرفته باشد و مقادیری بزرگتر و یا کوچکتر از حد معمول وارد فایل داده بشود که به آن‌ها داده‌های پرت (دورافتاده) گفته می‌شود. داده‌های پرت به چند حالت ممکن است به وجود بیایند در حالت اول به علت اشتباه تایپی در هنگام وارد کردن داده‌ها در نرم افزار، داده‌های پرت ایجاد می‌شود مثلاً عدد 3 را به‌اشتباه 33 وارد کرده باشید که در این صورت می‌توان با نگاهی اجمالی به داده‌ها مقادیر غیرعادی را شناسایی و اصلاح کنیم و یا شاخص‌های min و max داده‌ها را حساب کنیم و از این طریق داده‌های پرت را شناسایی کنیم. حالت دوم در وارد کردن داده‌ها اشتباهی صورت نگرفته است و ایراد از داده‌های اصلی است مثلاً فردی بدون دقت و بدون اینکه سؤالات پرسشنامه را مطالعه کند به پرسشنامه پاسخ می‌دهد بنابراین داده‌های این پرسشنامه با داده‌های سایر افراد تفاوت قابل ملاحظه‌ای پیدا می‌کند و یا اینکه در تحقیقات آزمایشگاهی به علت خطای آزمایش، یک یا چند نمونه مقداری متفاوت از سایر نمونه‌ها پیدا می‌کند. از آنجایی که پژوهشگر در این حالت متوجه داده‌های پرت نمی‌شود ممکن است نتایج پژوهش تحت تأثیر داده‌های پرت، تغییر کند.