आउटलायर - Revision history

Neeraja at 05:36, 25 September 2023

2023-09-25T05:36:25Z

← Older revision		Revision as of 11:06, 25 September 2023
Line 2:		Line 2:
	{{about\|सांख्यिकीय शब्द\|\|}}		{{about\|सांख्यिकीय शब्द\|\|}}

	[[Image:Michelsonmorley-boxplot.svg\|thumb\|चित्रा 1. मिशेलसन-मॉर्ले प्रयोग से डेटा का [[ रेखा - चित्र \|रेखा - चित्र]] मध्य कॉलम में चार आउटलायर परत प्रदर्शित करता है, साथ ही पहले कॉलम में आउटलाइयर।]]आँकड़ों में, आउटलायर [[डेटा बिंदु]] है जो अन्य अवलोकनों से महत्वपूर्ण रूप से भिन्न होता है।<ref name=":0">{{Cite journal \|last=Grubbs \|first=F. E. \|date=February 1969 \|title=नमूनों में बाहरी प्रेक्षणों का पता लगाने की प्रक्रियाएं\|journal=Technometrics \|volume=11 \|issue=1 \|pages=1–21 \|doi= 10.1080/00401706.1969.10490657\|quote=An outlying observation, or "outlier," is one that appears to deviate markedly from other members of the sample in which it occurs.}}</ref><ref name=":1">{{cite book \|last=Maddala \|first=G. S. \|author-link=G. S. Maddala \|chapter=Outliers \|title=अर्थमिति का परिचय\|location=New York \|publisher=MacMillan \|edition=2nd \|year=1992 \|isbn=978-0-02-374545-4 \|pages=[https://archive.org/details/introductiontoec00madd/page/89 89] \|quote=एक बाहरी एक ऐसा अवलोकन है जो बाकी अवलोकनों से बहुत दूर है।\|chapter-url=https://books.google.com/books?id=nBS3AAAAIAAJ&pg=PA89 \|url=https://archive.org/details/introductiontoec00madd/page/89 }}</ref> आउटलायर परत माप में परिवर्तनशीलता के कारण हो सकता है नए डेटा का संकेत हो सकता है, या यह प्रायोगिक त्रुटि का परिणाम हो सकता है बाद वाले को कभी-कभी [[डेटा सेट\|डेटा]] सेट से बाहर रखा जाता है।<ref name=":2">Pimentel, M. A., Clifton, D. A., Clifton, L., & Tarassenko, L. (2014). A review of novelty detection. Signal Processing, 99, 215-249.</ref><ref name=":3">{{harvnb\|Grubbs\|1969\|p=1}} stating "An outlying observation may be merely an extreme manifestation of the random variability inherent in the data. ... On the other hand, an outlying observation may be the result of gross deviation from prescribed experimental procedure or an error in calculating or recording the numerical value."</ref> आउटलायर परत रोमांचक संभावना का संकेत हो सकता है लेकिन सांख्यिकीय विश्लेषण में गंभीर समस्याएं भी उत्पन कर सकता है।		[[Image:Michelsonmorley-boxplot.svg\|thumb\|चित्रा 1. मिशेलसन-मॉर्ले प्रयोग से डेटा का [[ रेखा - चित्र \|रेखा - चित्र]] मध्य कॉलम में चार आउटलायर परत प्रदर्शित करता है, साथ ही पहले कॉलम में आउटलाइयर।]]आँकड़ों में, '''आउटलायर''' [[डेटा बिंदु]] है जो अन्य अवलोकनों से महत्वपूर्ण रूप से भिन्न होता है।<ref name=":0">{{Cite journal \|last=Grubbs \|first=F. E. \|date=February 1969 \|title=नमूनों में बाहरी प्रेक्षणों का पता लगाने की प्रक्रियाएं\|journal=Technometrics \|volume=11 \|issue=1 \|pages=1–21 \|doi= 10.1080/00401706.1969.10490657\|quote=An outlying observation, or "outlier," is one that appears to deviate markedly from other members of the sample in which it occurs.}}</ref><ref name=":1">{{cite book \|last=Maddala \|first=G. S. \|author-link=G. S. Maddala \|chapter=Outliers \|title=अर्थमिति का परिचय\|location=New York \|publisher=MacMillan \|edition=2nd \|year=1992 \|isbn=978-0-02-374545-4 \|pages=[https://archive.org/details/introductiontoec00madd/page/89 89] \|quote=एक बाहरी एक ऐसा अवलोकन है जो बाकी अवलोकनों से बहुत दूर है।\|chapter-url=https://books.google.com/books?id=nBS3AAAAIAAJ&pg=PA89 \|url=https://archive.org/details/introductiontoec00madd/page/89 }}</ref> आउटलायर परत माप में परिवर्तनशीलता के कारण हो सकता है नए डेटा का संकेत हो सकता है, या यह प्रायोगिक त्रुटि का परिणाम हो सकता है बाद वाले को कभी-कभी [[डेटा सेट\|डेटा]] सेट से बाहर रखा जाता है।<ref name=":2">Pimentel, M. A., Clifton, D. A., Clifton, L., & Tarassenko, L. (2014). A review of novelty detection. Signal Processing, 99, 215-249.</ref><ref name=":3">{{harvnb\|Grubbs\|1969\|p=1}} stating "An outlying observation may be merely an extreme manifestation of the random variability inherent in the data. ... On the other hand, an outlying observation may be the result of gross deviation from prescribed experimental procedure or an error in calculating or recording the numerical value."</ref> आउटलायर परत रोमांचक संभावना का संकेत हो सकता है लेकिन सांख्यिकीय विश्लेषण में गंभीर समस्याएं भी उत्पन कर सकता है।

	आउटलायर परत किसी भी वितरण में संयोग से हो सकते हैं, लेकिन वे डेटा-समुच्चय [[माप त्रुटि]] या जनसंख्या में भारी-पूंछ वाले वितरण में उपन्यास व्यवहार या संरचनाओं का संकेत दे सकते हैं। माप त्रुटि के स्थितियों में कोई उन्हें त्यागना चाहता है या उन आँकड़ों का उपयोग करना चाहता है जो आउटलायर परत के लिए [[मजबूत आँकड़े]] हैं जबकि भारी-पूंछ वाले वितरण के स्थितियों में वे संकेत देते हैं कि वितरण में उच्च [[तिरछापन]] है और उपकरण का उपयोग करने में बहुत सतर्क रहना चाहिए या अंतर्ज्ञान जो [[सामान्य वितरण]] मानते हैं। आउटलायर परत का लगातार दो वितरणों का मिश्रण है जो दो अलग-अलग उपआबादी हो सकते हैं या 'सही परीक्षण' विरूद्ध 'माप त्रुटि' का संकेत दे सकते हैं यह [[मिश्रण मॉडल\|मिश्रण प्रारूप]] द्वारा तैयार किया गया है।		आउटलायर परत किसी भी वितरण में संयोग से हो सकते हैं, लेकिन वे डेटा-समुच्चय [[माप त्रुटि]] या जनसंख्या में भारी-पूंछ वाले वितरण में उपन्यास व्यवहार या संरचनाओं का संकेत दे सकते हैं। माप त्रुटि के स्थितियों में कोई उन्हें त्यागना चाहता है या उन आँकड़ों का उपयोग करना चाहता है जो आउटलायर परत के लिए [[मजबूत आँकड़े]] हैं जबकि भारी-पूंछ वाले वितरण के स्थितियों में वे संकेत देते हैं कि वितरण में उच्च [[तिरछापन]] है और उपकरण का उपयोग करने में बहुत सतर्क रहना चाहिए या अंतर्ज्ञान जो [[सामान्य वितरण]] मानते हैं। आउटलायर परत का लगातार दो वितरणों का मिश्रण है जो दो अलग-अलग उपआबादी हो सकते हैं या 'सही परीक्षण' विरूद्ध 'माप त्रुटि' का संकेत दे सकते हैं यह [[मिश्रण मॉडल\|मिश्रण प्रारूप]] द्वारा तैयार किया गया है।

Neeraja at 05:36, 25 September 2023

2023-09-25T05:36:05Z

Show changes

Neeraja: Neeraja moved page ग़ैर to आउटलायर without leaving a redirect

2023-09-25T05:35:02Z

Neeraja moved page ग़ैर to आउटलायर without leaving a redirect

← Older revision	Revision as of 11:05, 25 September 2023
(No difference)

Manidh at 05:02, 12 April 2023

2023-04-12T05:02:15Z

← Older revision		Revision as of 10:32, 12 April 2023
Line 169:		Line 169:
	* [http://www.itl.nist.gov/div898/handbook/eda/section3/eda35h.htm Grubbs test] described by NIST manual		* [http://www.itl.nist.gov/div898/handbook/eda/section3/eda35h.htm Grubbs test] described by NIST manual

	[[Category: ~~सांख्यिकीय चार्ट और आरेख]] [[Category: मजबूत आँकड़े~~]] [[Category: ~~सांख्यिकीय आउटलेयर \| सांख्यिकीय आउटलेयर~~ ]]		[[Category:Articles with hatnote templates targeting a nonexistent page]]
			[[Category:CS1]]
			[[Category:Commons category link is locally defined]]

	[[Category: ~~Machine Translated Page~~]]
	[[Category:Created On 20/03/2023]]		[[Category:Created On 20/03/2023]]
	[[Category:Vigyan Ready]]		[[Category:Lua-based templates]]
			[[Category:Machine Translated Page]]
			[[Category:Pages with script errors]]
			[[Category:Short description with empty Wikidata description]]
			[[Category:Templates Vigyan Ready]]
			[[Category:Templates that add a tracking category]]
			[[Category:Templates that generate short descriptions]]
			[[Category:Templates using TemplateData]]
			[[Category:Webarchive template wayback links]]
			[[Category:मजबूत आँकड़े]]
			[[Category:सांख्यिकीय आउटलेयर\| सांख्यिकीय आउटलेयर ]]
			[[Category:सांख्यिकीय चार्ट और आरेख]]

Indicwiki: 15 revisions imported from :alpha:ग़ैर

2023-04-11T18:01:13Z

15 revisions imported from alpha:ग़ैर

← Older revision	Revision as of 23:31, 11 April 2023
(No difference)

alpha>Neeraja: added Category:Vigyan Ready using HotCat

2023-04-11T09:51:04Z

added Category:Vigyan Ready using HotCat

← Older revision		Revision as of 15:21, 11 April 2023
Line 175:		Line 175:
	[[Category: Machine Translated Page]]		[[Category: Machine Translated Page]]
	[[Category:Created On 20/03/2023]]		[[Category:Created On 20/03/2023]]
			[[Category:Vigyan Ready]]

alpha>Shubham at 16:57, 29 March 2023

2023-03-29T16:57:45Z

← Older revision		Revision as of 22:27, 29 March 2023
Line 2:		Line 2:
	{{about\|सांख्यिकीय शब्द\|\|}}		{{about\|सांख्यिकीय शब्द\|\|}}

	[[Image:Michelsonmorley-boxplot.svg\|thumb\|चित्रा 1. मिशेलसन-मॉर्ले प्रयोग से डेटा का [[ रेखा - चित्र \|रेखा - चित्र]] मध्य कॉलम में चार बाहरी परत प्रदर्शित करता है, साथ ही पहले कॉलम में आउटलाइयर।]]आँकड़ों में, बाहरी [[डेटा बिंदु]] है जो अन्य अवलोकनों से महत्वपूर्ण रूप से भिन्न होता है।<ref name=":0">{{Cite journal \|last=Grubbs \|first=F. E. \|date=February 1969 \|title=नमूनों में बाहरी प्रेक्षणों का पता लगाने की प्रक्रियाएं\|journal=Technometrics \|volume=11 \|issue=1 \|pages=1–21 \|doi= 10.1080/00401706.1969.10490657\|quote=An outlying observation, or "outlier," is one that appears to deviate markedly from other members of the sample in which it occurs.}}</ref><ref name=":1">{{cite book \|last=Maddala \|first=G. S. \|author-link=G. S. Maddala \|chapter=Outliers \|title=अर्थमिति का परिचय\|location=New York \|publisher=MacMillan \|edition=2nd \|year=1992 \|isbn=978-0-02-374545-4 \|pages=[https://archive.org/details/introductiontoec00madd/page/89 89] \|quote=एक बाहरी एक ऐसा अवलोकन है जो बाकी अवलोकनों से बहुत दूर है।\|chapter-url=https://books.google.com/books?id=nBS3AAAAIAAJ&pg=PA89 \|url=https://archive.org/details/introductiontoec00madd/page/89 }}</ref> बाहरी परत माप में परिवर्तनशीलता के कारण हो सकता है नए डेटा का संकेत हो सकता है, या यह प्रायोगिक त्रुटि का परिणाम हो सकता है; बाद वाले को कभी-कभी [[डेटा सेट\|डेटा]] सेट से बाहर रखा जाता है।<ref name=":2">Pimentel, M. A., Clifton, D. A., Clifton, L., & Tarassenko, L. (2014). A review of novelty detection. Signal Processing, 99, 215-249.</ref><ref name=":3">{{harvnb\|Grubbs\|1969\|p=1}} stating "An outlying observation may be merely an extreme manifestation of the random variability inherent in the data. ... On the other hand, an outlying observation may be the result of gross deviation from prescribed experimental procedure or an error in calculating or recording the numerical value."</ref> बाहरी परत रोमांचक संभावना का संकेत हो सकता है लेकिन सांख्यिकीय विश्लेषण में गंभीर समस्याएं भी उत्पन कर सकता है।		[[Image:Michelsonmorley-boxplot.svg\|thumb\|चित्रा 1. मिशेलसन-मॉर्ले प्रयोग से डेटा का [[ रेखा - चित्र \|रेखा - चित्र]] मध्य कॉलम में चार बाहरी परत प्रदर्शित करता है, साथ ही पहले कॉलम में आउटलाइयर।]]आँकड़ों में, बाहरी [[डेटा बिंदु]] है जो अन्य अवलोकनों से महत्वपूर्ण रूप से भिन्न होता है।<ref name=":0">{{Cite journal \|last=Grubbs \|first=F. E. \|date=February 1969 \|title=नमूनों में बाहरी प्रेक्षणों का पता लगाने की प्रक्रियाएं\|journal=Technometrics \|volume=11 \|issue=1 \|pages=1–21 \|doi= 10.1080/00401706.1969.10490657\|quote=An outlying observation, or "outlier," is one that appears to deviate markedly from other members of the sample in which it occurs.}}</ref><ref name=":1">{{cite book \|last=Maddala \|first=G. S. \|author-link=G. S. Maddala \|chapter=Outliers \|title=अर्थमिति का परिचय\|location=New York \|publisher=MacMillan \|edition=2nd \|year=1992 \|isbn=978-0-02-374545-4 \|pages=[https://archive.org/details/introductiontoec00madd/page/89 89] \|quote=एक बाहरी एक ऐसा अवलोकन है जो बाकी अवलोकनों से बहुत दूर है।\|chapter-url=https://books.google.com/books?id=nBS3AAAAIAAJ&pg=PA89 \|url=https://archive.org/details/introductiontoec00madd/page/89 }}</ref> बाहरी परत माप में परिवर्तनशीलता के कारण हो सकता है नए डेटा का संकेत हो सकता है, या यह प्रायोगिक त्रुटि का परिणाम हो सकता है बाद वाले को कभी-कभी [[डेटा सेट\|डेटा]] सेट से बाहर रखा जाता है।<ref name=":2">Pimentel, M. A., Clifton, D. A., Clifton, L., & Tarassenko, L. (2014). A review of novelty detection. Signal Processing, 99, 215-249.</ref><ref name=":3">{{harvnb\|Grubbs\|1969\|p=1}} stating "An outlying observation may be merely an extreme manifestation of the random variability inherent in the data. ... On the other hand, an outlying observation may be the result of gross deviation from prescribed experimental procedure or an error in calculating or recording the numerical value."</ref> बाहरी परत रोमांचक संभावना का संकेत हो सकता है लेकिन सांख्यिकीय विश्लेषण में गंभीर समस्याएं भी उत्पन कर सकता है।

	बाहरी परत किसी भी वितरण में संयोग से हो सकते हैं, लेकिन वे डेटा-समुच्चय [[माप त्रुटि]] या जनसंख्या में भारी-पूंछ वाले वितरण में उपन्यास व्यवहार या संरचनाओं का संकेत दे सकते हैं। माप त्रुटि के स्थितियों में कोई उन्हें त्यागना चाहता है या उन आँकड़ों का उपयोग करना चाहता है जो बाहरी परत के लिए [[मजबूत आँकड़े]] हैं जबकि भारी-पूंछ वाले वितरण के स्थितियों में वे संकेत देते हैं कि वितरण में उच्च [[तिरछापन]] है और उपकरण का उपयोग करने में बहुत सतर्क रहना चाहिए या अंतर्ज्ञान जो [[सामान्य वितरण]] मानते हैं। बाहरी परत का लगातार दो वितरणों का मिश्रण है जो दो अलग-अलग ~~उप-आबादी~~ हो सकते हैं या 'सही परीक्षण' विरूद्ध 'माप त्रुटि' का संकेत दे सकते हैं यह [[मिश्रण मॉडल\|मिश्रण प्रारूप]] द्वारा तैयार किया गया है।		बाहरी परत किसी भी वितरण में संयोग से हो सकते हैं, लेकिन वे डेटा-समुच्चय [[माप त्रुटि]] या जनसंख्या में भारी-पूंछ वाले वितरण में उपन्यास व्यवहार या संरचनाओं का संकेत दे सकते हैं। माप त्रुटि के स्थितियों में कोई उन्हें त्यागना चाहता है या उन आँकड़ों का उपयोग करना चाहता है जो बाहरी परत के लिए [[मजबूत आँकड़े]] हैं जबकि भारी-पूंछ वाले वितरण के स्थितियों में वे संकेत देते हैं कि वितरण में उच्च [[तिरछापन]] है और उपकरण का उपयोग करने में बहुत सतर्क रहना चाहिए या अंतर्ज्ञान जो [[सामान्य वितरण]] मानते हैं। बाहरी परत का लगातार दो वितरणों का मिश्रण है जो दो अलग-अलग उपआबादी हो सकते हैं या 'सही परीक्षण' विरूद्ध 'माप त्रुटि' का संकेत दे सकते हैं यह [[मिश्रण मॉडल\|मिश्रण प्रारूप]] द्वारा तैयार किया गया है।

	डेटा के अधिकांश बड़े नमूनों में कुछ डेटा बिंदु अंकगणितीय माध्य से अधिक दूर होंगे जो कि उचित समझे जाते हैं। यह आकस्मिक व्यवस्थित त्रुटि या सिद्धांत में कमियों के कारण हो सकता है जिसने संभाव्यता वितरण के अनुमानित परिवार को उत्पन्न किया, या यह हो सकता है कि कुछ अवलोकन डेटा के केंद्र से दूर हों बाहरी बिंदु इसलिए दोषपूर्ण डेटा गलत प्रक्रियाओं या ऐसे क्षेत्रों को इंगित कर सकते हैं जहां निश्चित सिद्धांत मान्य नहीं हो सकता है। चूंकि बड़े नमूनों में बाहरी परत की छोटी संख्या की अपेक्षा की जाती है और किसी विषम स्थिति के कारण नहीं है।		डेटा के अधिकांश बड़े नमूनों में कुछ डेटा बिंदु अंकगणितीय माध्य से अधिक दूर होंगे जो कि उचित समझे जाते हैं। यह आकस्मिक व्यवस्थित त्रुटि या सिद्धांत में कमियों के कारण हो सकता है जिसने संभाव्यता वितरण के अनुमानित परिवार को उत्पन्न किया, या यह हो सकता है कि कुछ अवलोकन डेटा के केंद्र से दूर हों बाहरी बिंदु इसलिए दोषपूर्ण डेटा गलत प्रक्रियाओं या ऐसे क्षेत्रों को इंगित कर सकते हैं जहां निश्चित सिद्धांत मान्य नहीं हो सकता है। चूंकि बड़े नमूनों में बाहरी परत की छोटी संख्या की अपेक्षा की जाती है और किसी विषम स्थिति के कारण नहीं है।

alpha>Shubham at 16:56, 29 March 2023

2023-03-29T16:56:05Z

← Older revision		Revision as of 22:26, 29 March 2023
Line 35:		Line 35:
	* डिक्सन का Q परीक्षण डिक्सन का Q परीक्षण		* डिक्सन का Q परीक्षण डिक्सन का Q परीक्षण
	* [[एएसटीएम]] e178: बाहरी निरीक्षणों से निपटने के लिए मानक अभ्यास<ref>[https://www.nrc.gov/docs/ML1023/ML102371244.pdf E178: Standard Practice for Dealing With Outlying Observations]</ref>		* [[एएसटीएम]] e178: बाहरी निरीक्षणों से निपटने के लिए मानक अभ्यास<ref>[https://www.nrc.gov/docs/ML1023/ML102371244.pdf E178: Standard Practice for Dealing With Outlying Observations]</ref>
	* महालनोबिस दूरी और [[उत्तोलन (सांख्यिकी)]] का उपयोग ~~अक्सर~~ बाहरी परत का पता लगाने के लिए किया जाता है विशेष रूप से रेखीय प्रतिगमन मॉडल के विकास में		* महालनोबिस दूरी और [[उत्तोलन (सांख्यिकी)]] का उपयोग अधिकांशतः बाहरी परत का पता लगाने के लिए किया जाता है विशेष रूप से रेखीय प्रतिगमन मॉडल के विकास में
	* उच्च-आयामी संख्यात्मक डेटा के लिए सबस्पेस और सहसंबंध आधारित तकनीकें<ref name="subspace">{{cite journal \| last1 = Zimek \| first1 = A. \| last2 = Schubert \| first2 = E.\| last3 = Kriegel \| first3 = H.-P. \| author-link3=Hans-Peter Kriegel\| title = उच्च-आयामी संख्यात्मक डेटा में अप्रशिक्षित बाहरी पहचान पर एक सर्वेक्षण\| doi = 10.1002/sam.11161 \| journal = Statistical Analysis and Data Mining \| volume = 5 \| issue = 5 \| pages = 363–387\| year = 2012\| s2cid = 6724536 }}</ref>		* उच्च-आयामी संख्यात्मक डेटा के लिए सबस्पेस और सहसंबंध आधारित तकनीकें<ref name="subspace">{{cite journal \| last1 = Zimek \| first1 = A. \| last2 = Schubert \| first2 = E.\| last3 = Kriegel \| first3 = H.-P. \| author-link3=Hans-Peter Kriegel\| title = उच्च-आयामी संख्यात्मक डेटा में अप्रशिक्षित बाहरी पहचान पर एक सर्वेक्षण\| doi = 10.1002/sam.11161 \| journal = Statistical Analysis and Data Mining \| volume = 5 \| issue = 5 \| pages = 363–387\| year = 2012\| s2cid = 6724536 }}</ref>

alpha>Shubham at 16:54, 29 March 2023

2023-03-29T16:54:13Z

← Older revision		Revision as of 22:24, 29 March 2023
Line 4:		Line 4:
	[[Image:Michelsonmorley-boxplot.svg\|thumb\|चित्रा 1. मिशेलसन-मॉर्ले प्रयोग से डेटा का [[ रेखा - चित्र \|रेखा - चित्र]] मध्य कॉलम में चार बाहरी परत प्रदर्शित करता है, साथ ही पहले कॉलम में आउटलाइयर।]]आँकड़ों में, बाहरी [[डेटा बिंदु]] है जो अन्य अवलोकनों से महत्वपूर्ण रूप से भिन्न होता है।<ref name=":0">{{Cite journal \|last=Grubbs \|first=F. E. \|date=February 1969 \|title=नमूनों में बाहरी प्रेक्षणों का पता लगाने की प्रक्रियाएं\|journal=Technometrics \|volume=11 \|issue=1 \|pages=1–21 \|doi= 10.1080/00401706.1969.10490657\|quote=An outlying observation, or "outlier," is one that appears to deviate markedly from other members of the sample in which it occurs.}}</ref><ref name=":1">{{cite book \|last=Maddala \|first=G. S. \|author-link=G. S. Maddala \|chapter=Outliers \|title=अर्थमिति का परिचय\|location=New York \|publisher=MacMillan \|edition=2nd \|year=1992 \|isbn=978-0-02-374545-4 \|pages=[https://archive.org/details/introductiontoec00madd/page/89 89] \|quote=एक बाहरी एक ऐसा अवलोकन है जो बाकी अवलोकनों से बहुत दूर है।\|chapter-url=https://books.google.com/books?id=nBS3AAAAIAAJ&pg=PA89 \|url=https://archive.org/details/introductiontoec00madd/page/89 }}</ref> बाहरी परत माप में परिवर्तनशीलता के कारण हो सकता है नए डेटा का संकेत हो सकता है, या यह प्रायोगिक त्रुटि का परिणाम हो सकता है; बाद वाले को कभी-कभी [[डेटा सेट\|डेटा]] सेट से बाहर रखा जाता है।<ref name=":2">Pimentel, M. A., Clifton, D. A., Clifton, L., & Tarassenko, L. (2014). A review of novelty detection. Signal Processing, 99, 215-249.</ref><ref name=":3">{{harvnb\|Grubbs\|1969\|p=1}} stating "An outlying observation may be merely an extreme manifestation of the random variability inherent in the data. ... On the other hand, an outlying observation may be the result of gross deviation from prescribed experimental procedure or an error in calculating or recording the numerical value."</ref> बाहरी परत रोमांचक संभावना का संकेत हो सकता है लेकिन सांख्यिकीय विश्लेषण में गंभीर समस्याएं भी उत्पन कर सकता है।		[[Image:Michelsonmorley-boxplot.svg\|thumb\|चित्रा 1. मिशेलसन-मॉर्ले प्रयोग से डेटा का [[ रेखा - चित्र \|रेखा - चित्र]] मध्य कॉलम में चार बाहरी परत प्रदर्शित करता है, साथ ही पहले कॉलम में आउटलाइयर।]]आँकड़ों में, बाहरी [[डेटा बिंदु]] है जो अन्य अवलोकनों से महत्वपूर्ण रूप से भिन्न होता है।<ref name=":0">{{Cite journal \|last=Grubbs \|first=F. E. \|date=February 1969 \|title=नमूनों में बाहरी प्रेक्षणों का पता लगाने की प्रक्रियाएं\|journal=Technometrics \|volume=11 \|issue=1 \|pages=1–21 \|doi= 10.1080/00401706.1969.10490657\|quote=An outlying observation, or "outlier," is one that appears to deviate markedly from other members of the sample in which it occurs.}}</ref><ref name=":1">{{cite book \|last=Maddala \|first=G. S. \|author-link=G. S. Maddala \|chapter=Outliers \|title=अर्थमिति का परिचय\|location=New York \|publisher=MacMillan \|edition=2nd \|year=1992 \|isbn=978-0-02-374545-4 \|pages=[https://archive.org/details/introductiontoec00madd/page/89 89] \|quote=एक बाहरी एक ऐसा अवलोकन है जो बाकी अवलोकनों से बहुत दूर है।\|chapter-url=https://books.google.com/books?id=nBS3AAAAIAAJ&pg=PA89 \|url=https://archive.org/details/introductiontoec00madd/page/89 }}</ref> बाहरी परत माप में परिवर्तनशीलता के कारण हो सकता है नए डेटा का संकेत हो सकता है, या यह प्रायोगिक त्रुटि का परिणाम हो सकता है; बाद वाले को कभी-कभी [[डेटा सेट\|डेटा]] सेट से बाहर रखा जाता है।<ref name=":2">Pimentel, M. A., Clifton, D. A., Clifton, L., & Tarassenko, L. (2014). A review of novelty detection. Signal Processing, 99, 215-249.</ref><ref name=":3">{{harvnb\|Grubbs\|1969\|p=1}} stating "An outlying observation may be merely an extreme manifestation of the random variability inherent in the data. ... On the other hand, an outlying observation may be the result of gross deviation from prescribed experimental procedure or an error in calculating or recording the numerical value."</ref> बाहरी परत रोमांचक संभावना का संकेत हो सकता है लेकिन सांख्यिकीय विश्लेषण में गंभीर समस्याएं भी उत्पन कर सकता है।

	बाहरी परत किसी भी वितरण में संयोग से हो सकते हैं, लेकिन वे डेटा-समुच्चय [[माप त्रुटि]] या जनसंख्या में भारी-पूंछ वाले वितरण में उपन्यास व्यवहार या संरचनाओं का संकेत दे सकते हैं। माप त्रुटि के स्थितियों में कोई उन्हें त्यागना चाहता है या उन आँकड़ों का उपयोग करना चाहता है जो बाहरी परत के लिए [[मजबूत आँकड़े]] हैं जबकि भारी-पूंछ वाले वितरण के स्थितियों में वे संकेत देते हैं कि वितरण में उच्च [[तिरछापन]] है और उपकरण का उपयोग करने में बहुत सतर्क रहना चाहिए या अंतर्ज्ञान जो [[सामान्य वितरण]] मानते हैं। बाहरी परत का लगातार ~~कारण~~ दो वितरणों का मिश्रण है जो दो अलग-अलग उप-आबादी हो सकते हैं या 'सही परीक्षण' विरूद्ध 'माप त्रुटि' का संकेत दे सकते हैं यह [[मिश्रण मॉडल\|मिश्रण प्रारूप]] द्वारा तैयार किया गया है।		बाहरी परत किसी भी वितरण में संयोग से हो सकते हैं, लेकिन वे डेटा-समुच्चय [[माप त्रुटि]] या जनसंख्या में भारी-पूंछ वाले वितरण में उपन्यास व्यवहार या संरचनाओं का संकेत दे सकते हैं। माप त्रुटि के स्थितियों में कोई उन्हें त्यागना चाहता है या उन आँकड़ों का उपयोग करना चाहता है जो बाहरी परत के लिए [[मजबूत आँकड़े]] हैं जबकि भारी-पूंछ वाले वितरण के स्थितियों में वे संकेत देते हैं कि वितरण में उच्च [[तिरछापन]] है और उपकरण का उपयोग करने में बहुत सतर्क रहना चाहिए या अंतर्ज्ञान जो [[सामान्य वितरण]] मानते हैं। बाहरी परत का लगातार दो वितरणों का मिश्रण है जो दो अलग-अलग उप-आबादी हो सकते हैं या 'सही परीक्षण' विरूद्ध 'माप त्रुटि' का संकेत दे सकते हैं यह [[मिश्रण मॉडल\|मिश्रण प्रारूप]] द्वारा तैयार किया गया है।

	डेटा के अधिकांश बड़े नमूनों में कुछ डेटा बिंदु अंकगणितीय माध्य से अधिक दूर होंगे जो कि उचित समझे जाते हैं। यह आकस्मिक व्यवस्थित त्रुटि या सिद्धांत में कमियों के कारण हो सकता है जिसने संभाव्यता वितरण के अनुमानित परिवार को उत्पन्न किया, या यह हो सकता है कि कुछ अवलोकन डेटा के केंद्र से दूर हों बाहरी बिंदु इसलिए दोषपूर्ण डेटा गलत प्रक्रियाओं या ऐसे क्षेत्रों को इंगित कर सकते हैं जहां निश्चित सिद्धांत मान्य नहीं हो सकता है। चूंकि बड़े नमूनों में बाहरी परत की छोटी संख्या की अपेक्षा की जाती है और किसी विषम स्थिति के कारण नहीं है।		डेटा के अधिकांश बड़े नमूनों में कुछ डेटा बिंदु अंकगणितीय माध्य से अधिक दूर होंगे जो कि उचित समझे जाते हैं। यह आकस्मिक व्यवस्थित त्रुटि या सिद्धांत में कमियों के कारण हो सकता है जिसने संभाव्यता वितरण के अनुमानित परिवार को उत्पन्न किया, या यह हो सकता है कि कुछ अवलोकन डेटा के केंद्र से दूर हों बाहरी बिंदु इसलिए दोषपूर्ण डेटा गलत प्रक्रियाओं या ऐसे क्षेत्रों को इंगित कर सकते हैं जहां निश्चित सिद्धांत मान्य नहीं हो सकता है। चूंकि बड़े नमूनों में बाहरी परत की छोटी संख्या की अपेक्षा की जाती है और किसी विषम स्थिति के कारण नहीं है।

alpha>Shubham at 16:52, 29 March 2023

2023-03-29T16:52:22Z

← Older revision		Revision as of 22:22, 29 March 2023
Line 2:		Line 2:
	{{about\|सांख्यिकीय शब्द\|\|}}		{{about\|सांख्यिकीय शब्द\|\|}}

	[[Image:Michelsonmorley-boxplot.svg\|thumb\|चित्रा 1. मिशेलसन-मॉर्ले प्रयोग से डेटा का [[ रेखा - चित्र \|रेखा - चित्र]] मध्य कॉलम में चार बाहरी परत प्रदर्शित करता है, साथ ही पहले कॉलम में आउटलाइयर।]]आँकड़ों में, बाहरी [[डेटा बिंदु]] है जो अन्य अवलोकनों से महत्वपूर्ण रूप से भिन्न होता है।<ref name=":0">{{Cite journal \|last=Grubbs \|first=F. E. \|date=February 1969 \|title=नमूनों में बाहरी प्रेक्षणों का पता लगाने की प्रक्रियाएं\|journal=Technometrics \|volume=11 \|issue=1 \|pages=1–21 \|doi= 10.1080/00401706.1969.10490657\|quote=An outlying observation, or "outlier," is one that appears to deviate markedly from other members of the sample in which it occurs.}}</ref><ref name=":1">{{cite book \|last=Maddala \|first=G. S. \|author-link=G. S. Maddala \|chapter=Outliers \|title=अर्थमिति का परिचय\|location=New York \|publisher=MacMillan \|edition=2nd \|year=1992 \|isbn=978-0-02-374545-4 \|pages=[https://archive.org/details/introductiontoec00madd/page/89 89] \|quote=एक बाहरी एक ऐसा अवलोकन है जो बाकी अवलोकनों से बहुत दूर है।\|chapter-url=https://books.google.com/books?id=nBS3AAAAIAAJ&pg=PA89 \|url=https://archive.org/details/introductiontoec00madd/page/89 }}</ref> ~~आउटलायर~~ माप में परिवर्तनशीलता के कारण हो सकता है नए डेटा का संकेत हो सकता है, या यह प्रायोगिक त्रुटि का परिणाम हो सकता है; बाद वाले को कभी-कभी [[डेटा सेट\|डेटा]] सेट से बाहर रखा जाता है।<ref name=":2">Pimentel, M. A., Clifton, D. A., Clifton, L., & Tarassenko, L. (2014). A review of novelty detection. Signal Processing, 99, 215-249.</ref><ref name=":3">{{harvnb\|Grubbs\|1969\|p=1}} stating "An outlying observation may be merely an extreme manifestation of the random variability inherent in the data. ... On the other hand, an outlying observation may be the result of gross deviation from prescribed experimental procedure or an error in calculating or recording the numerical value."</ref> ~~आउटलायर~~ रोमांचक संभावना का संकेत हो सकता है लेकिन सांख्यिकीय विश्लेषण में गंभीर समस्याएं भी उत्पन कर सकता है।		[[Image:Michelsonmorley-boxplot.svg\|thumb\|चित्रा 1. मिशेलसन-मॉर्ले प्रयोग से डेटा का [[ रेखा - चित्र \|रेखा - चित्र]] मध्य कॉलम में चार बाहरी परत प्रदर्शित करता है, साथ ही पहले कॉलम में आउटलाइयर।]]आँकड़ों में, बाहरी [[डेटा बिंदु]] है जो अन्य अवलोकनों से महत्वपूर्ण रूप से भिन्न होता है।<ref name=":0">{{Cite journal \|last=Grubbs \|first=F. E. \|date=February 1969 \|title=नमूनों में बाहरी प्रेक्षणों का पता लगाने की प्रक्रियाएं\|journal=Technometrics \|volume=11 \|issue=1 \|pages=1–21 \|doi= 10.1080/00401706.1969.10490657\|quote=An outlying observation, or "outlier," is one that appears to deviate markedly from other members of the sample in which it occurs.}}</ref><ref name=":1">{{cite book \|last=Maddala \|first=G. S. \|author-link=G. S. Maddala \|chapter=Outliers \|title=अर्थमिति का परिचय\|location=New York \|publisher=MacMillan \|edition=2nd \|year=1992 \|isbn=978-0-02-374545-4 \|pages=[https://archive.org/details/introductiontoec00madd/page/89 89] \|quote=एक बाहरी एक ऐसा अवलोकन है जो बाकी अवलोकनों से बहुत दूर है।\|chapter-url=https://books.google.com/books?id=nBS3AAAAIAAJ&pg=PA89 \|url=https://archive.org/details/introductiontoec00madd/page/89 }}</ref> बाहरी परत माप में परिवर्तनशीलता के कारण हो सकता है नए डेटा का संकेत हो सकता है, या यह प्रायोगिक त्रुटि का परिणाम हो सकता है; बाद वाले को कभी-कभी [[डेटा सेट\|डेटा]] सेट से बाहर रखा जाता है।<ref name=":2">Pimentel, M. A., Clifton, D. A., Clifton, L., & Tarassenko, L. (2014). A review of novelty detection. Signal Processing, 99, 215-249.</ref><ref name=":3">{{harvnb\|Grubbs\|1969\|p=1}} stating "An outlying observation may be merely an extreme manifestation of the random variability inherent in the data. ... On the other hand, an outlying observation may be the result of gross deviation from prescribed experimental procedure or an error in calculating or recording the numerical value."</ref> बाहरी परत रोमांचक संभावना का संकेत हो सकता है लेकिन सांख्यिकीय विश्लेषण में गंभीर समस्याएं भी उत्पन कर सकता है।

	बाहरी परत किसी भी वितरण में संयोग से हो सकते हैं, लेकिन वे डेटा-समुच्चय [[माप त्रुटि]] या जनसंख्या में भारी-पूंछ वाले वितरण में उपन्यास व्यवहार या संरचनाओं का संकेत दे सकते हैं। माप त्रुटि के स्थितियों में कोई उन्हें त्यागना चाहता है या उन आँकड़ों का उपयोग करना चाहता है जो बाहरी परत के लिए [[मजबूत आँकड़े]] हैं जबकि भारी-पूंछ वाले वितरण के स्थितियों में वे संकेत देते हैं कि वितरण में उच्च [[तिरछापन]] है और उपकरण का उपयोग करने में बहुत सतर्क रहना चाहिए या अंतर्ज्ञान जो [[सामान्य वितरण]] मानते हैं। बाहरी परत का लगातार कारण दो वितरणों का मिश्रण है जो दो अलग-अलग उप-आबादी हो सकते हैं या 'सही परीक्षण' विरूद्ध 'माप त्रुटि' का संकेत दे सकते हैं यह [[मिश्रण मॉडल\|मिश्रण प्रारूप]] द्वारा तैयार किया गया है।		बाहरी परत किसी भी वितरण में संयोग से हो सकते हैं, लेकिन वे डेटा-समुच्चय [[माप त्रुटि]] या जनसंख्या में भारी-पूंछ वाले वितरण में उपन्यास व्यवहार या संरचनाओं का संकेत दे सकते हैं। माप त्रुटि के स्थितियों में कोई उन्हें त्यागना चाहता है या उन आँकड़ों का उपयोग करना चाहता है जो बाहरी परत के लिए [[मजबूत आँकड़े]] हैं जबकि भारी-पूंछ वाले वितरण के स्थितियों में वे संकेत देते हैं कि वितरण में उच्च [[तिरछापन]] है और उपकरण का उपयोग करने में बहुत सतर्क रहना चाहिए या अंतर्ज्ञान जो [[सामान्य वितरण]] मानते हैं। बाहरी परत का लगातार कारण दो वितरणों का मिश्रण है जो दो अलग-अलग उप-आबादी हो सकते हैं या 'सही परीक्षण' विरूद्ध 'माप त्रुटि' का संकेत दे सकते हैं यह [[मिश्रण मॉडल\|मिश्रण प्रारूप]] द्वारा तैयार किया गया है।
Line 21:		Line 21:

	=== कारण ===		=== कारण ===
	बाहरी परत के कई विषम कारण हो सकते हैं। माप लेने के लिए भौतिक उपकरण में क्षणिक खराबी हो सकती है। डेटा ट्रांसमिशन या ट्रांसक्रिप्शन में कोई त्रुटि हो सकती है। सिस्टम व्यवहार में परिवर्तन कपटपूर्ण व्यवहार, मानवीय त्रुटि उपकरण त्रुटि या जनसंख्या में प्राकृतिक विचलन के कारण बाहरी परत उत्पन्न होते हैं नमूना जांच की जा रही आबादी के बाहर के तत्वों से दूषित हो सकता है। वैकल्पिक रूप से ~~आउटलायर~~ अनुमानित सिद्धांत में दोष का परिणाम हो सकता है जो शोधकर्ता द्वारा आगे की जांच की मांग करता है। इसके अतिरिक्त निश्चित रूप के बाहरी परत का पैथोलॉजिकल रूप विभिन्न प्रकार के डेटासमुच्चय में प्रकट होता है यह दर्शाता है कि डेटा के लिए प्रेरक तंत्र चरम अंत ([[राजा प्रभाव\|किंग प्रभाव]]) में भिन्न हो सकता है।		बाहरी परत के कई विषम कारण हो सकते हैं। माप लेने के लिए भौतिक उपकरण में क्षणिक खराबी हो सकती है। डेटा ट्रांसमिशन या ट्रांसक्रिप्शन में कोई त्रुटि हो सकती है। सिस्टम व्यवहार में परिवर्तन कपटपूर्ण व्यवहार, मानवीय त्रुटि उपकरण त्रुटि या जनसंख्या में प्राकृतिक विचलन के कारण बाहरी परत उत्पन्न होते हैं नमूना जांच की जा रही आबादी के बाहर के तत्वों से दूषित हो सकता है। वैकल्पिक रूप से बाहरी परत अनुमानित सिद्धांत में दोष का परिणाम हो सकता है जो शोधकर्ता द्वारा आगे की जांच की मांग करता है। इसके अतिरिक्त निश्चित रूप के बाहरी परत का पैथोलॉजिकल रूप विभिन्न प्रकार के डेटासमुच्चय में प्रकट होता है यह दर्शाता है कि डेटा के लिए प्रेरक तंत्र चरम अंत ([[राजा प्रभाव\|किंग प्रभाव]]) में भिन्न हो सकता है।

	== परिभाषाएं और पहचान ==		== परिभाषाएं और पहचान ==
Line 104:		Line 104:
	जहाँ <math>\scriptstyle{t_{\alpha/2}}</math> छात्र से महत्वपूर्ण मूल्य है {{mvar\|t}} स्वतंत्रता की n-2 डिग्री के साथ वितरण n नमूना आकार है और s नमूना मानक विचलन है। यह निर्धारित करने के लिए कि क्या कोई मान बाहरी है गणना <math>\scriptstyle \delta = \|(X - mean(X)) / s\|</math> यदि δ > अस्वीकृति क्षेत्र डेटा बिंदु बाहरी है यदि δ ≤ अस्वीकृति क्षेत्र डेटा बिंदु बाहरी नहीं है।		जहाँ <math>\scriptstyle{t_{\alpha/2}}</math> छात्र से महत्वपूर्ण मूल्य है {{mvar\|t}} स्वतंत्रता की n-2 डिग्री के साथ वितरण n नमूना आकार है और s नमूना मानक विचलन है। यह निर्धारित करने के लिए कि क्या कोई मान बाहरी है गणना <math>\scriptstyle \delta = \|(X - mean(X)) / s\|</math> यदि δ > अस्वीकृति क्षेत्र डेटा बिंदु बाहरी है यदि δ ≤ अस्वीकृति क्षेत्र डेटा बिंदु बाहरी नहीं है।

	संशोधित थॉम्पसन ताऊ परीक्षण का उपयोग एक समय में बाहरी को खोजने के लिए किया जाता है (δ का सबसे बड़ा मान हटा दिया जाता है यदि यह बाहरी है) अर्थ, यदि कोई डेटा बिंदु ~~आउटलायर~~ पाया जाता है तो उसे डेटा समुच्चय से हटा दिया जाता है और नए औसत और अस्वीकृति क्षेत्र के साथ फिर से परीक्षण प्रयुक्त किया जाता है। यह प्रक्रिया तब तक चलती रहती है जब तक कि डेटा सम्मुचय में कोई बाहरी परत नहीं रहता है।		संशोधित थॉम्पसन ताऊ परीक्षण का उपयोग एक समय में बाहरी को खोजने के लिए किया जाता है (δ का सबसे बड़ा मान हटा दिया जाता है यदि यह बाहरी है) अर्थ, यदि कोई डेटा बिंदु बाहरी परत पाया जाता है तो उसे डेटा समुच्चय से हटा दिया जाता है और नए औसत और अस्वीकृति क्षेत्र के साथ फिर से परीक्षण प्रयुक्त किया जाता है। यह प्रक्रिया तब तक चलती रहती है जब तक कि डेटा सम्मुचय में कोई बाहरी परत नहीं रहता है।

	कुछ कार्यों ने नाममात्र (या श्रेणीबद्ध) डेटा के लिए बाहरी परत की भी जांच की है। डेटा समुच्चय में उदाहरणों (या उदाहरणों) के समुच्चय के संदर्भ में उदाहरण की कठोरता इस संभावना को मापती है कि उदाहरण गलत वर्गीकृत किया जाएगा ( <math>1-p(y\|x)</math> जहाँ {{mvar\|y}} असाइन किया गया क्लास लेबल है और {{mvar\|x}} प्रशिक्षण समुच्चय में उदाहरण के लिए इनपुट विशेषता मान का प्रतिनिधित्व करता है {{mvar\|t}}<ref>Smith, M.R.; Martinez, T.; Giraud-Carrier, C. (2014). "[https://link.springer.com/article/10.1007%2Fs10994-013-5422-z An Instance Level Analysis of Data Complexity]". Machine Learning, 95(2): 225-256.</ref> आदर्श रूप से उदाहरण {{mvar\|H}} कठोरता की गणना सभी संभावित परिकल्पनाओं के समुच्चय पर योग करके की जाएगी		कुछ कार्यों ने नाममात्र (या श्रेणीबद्ध) डेटा के लिए बाहरी परत की भी जांच की है। डेटा समुच्चय में उदाहरणों (या उदाहरणों) के समुच्चय के संदर्भ में उदाहरण की कठोरता इस संभावना को मापती है कि उदाहरण गलत वर्गीकृत किया जाएगा ( <math>1-p(y\|x)</math> जहाँ {{mvar\|y}} असाइन किया गया क्लास लेबल है और {{mvar\|x}} प्रशिक्षण समुच्चय में उदाहरण के लिए इनपुट विशेषता मान का प्रतिनिधित्व करता है {{mvar\|t}}<ref>Smith, M.R.; Martinez, T.; Giraud-Carrier, C. (2014). "[https://link.springer.com/article/10.1007%2Fs10994-013-5422-z An Instance Level Analysis of Data Complexity]". Machine Learning, 95(2): 225-256.</ref> आदर्श रूप से उदाहरण {{mvar\|H}} कठोरता की गणना सभी संभावित परिकल्पनाओं के समुच्चय पर योग करके की जाएगी

← Older revision		Revision as of 11:06, 25 September 2023
Line 2:		Line 2:
	{{about\|सांख्यिकीय शब्द\|\|}}		{{about\|सांख्यिकीय शब्द\|\|}}

	[[Image:Michelsonmorley-boxplot.svg\|thumb\|चित्रा 1. मिशेलसन-मॉर्ले प्रयोग से डेटा का [[ रेखा - चित्र \|रेखा - चित्र]] मध्य कॉलम में चार आउटलायर परत प्रदर्शित करता है, साथ ही पहले कॉलम में आउटलाइयर।]]आँकड़ों में, आउटलायर [[डेटा बिंदु]] है जो अन्य अवलोकनों से महत्वपूर्ण रूप से भिन्न होता है।<ref name=":0">{{Cite journal \|last=Grubbs \|first=F. E. \|date=February 1969 \|title=नमूनों में बाहरी प्रेक्षणों का पता लगाने की प्रक्रियाएं\|journal=Technometrics \|volume=11 \|issue=1 \|pages=1–21 \|doi= 10.1080/00401706.1969.10490657\|quote=An outlying observation, or "outlier," is one that appears to deviate markedly from other members of the sample in which it occurs.}}</ref><ref name=":1">{{cite book \|last=Maddala \|first=G. S. \|author-link=G. S. Maddala \|chapter=Outliers \|title=अर्थमिति का परिचय\|location=New York \|publisher=MacMillan \|edition=2nd \|year=1992 \|isbn=978-0-02-374545-4 \|pages=[https://archive.org/details/introductiontoec00madd/page/89 89] \|quote=एक बाहरी एक ऐसा अवलोकन है जो बाकी अवलोकनों से बहुत दूर है।\|chapter-url=https://books.google.com/books?id=nBS3AAAAIAAJ&pg=PA89 \|url=https://archive.org/details/introductiontoec00madd/page/89 }}</ref> आउटलायर परत माप में परिवर्तनशीलता के कारण हो सकता है नए डेटा का संकेत हो सकता है, या यह प्रायोगिक त्रुटि का परिणाम हो सकता है बाद वाले को कभी-कभी [[डेटा सेट\|डेटा]] सेट से बाहर रखा जाता है।<ref name=":2">Pimentel, M. A., Clifton, D. A., Clifton, L., & Tarassenko, L. (2014). A review of novelty detection. Signal Processing, 99, 215-249.</ref><ref name=":3">{{harvnb\|Grubbs\|1969\|p=1}} stating "An outlying observation may be merely an extreme manifestation of the random variability inherent in the data. ... On the other hand, an outlying observation may be the result of gross deviation from prescribed experimental procedure or an error in calculating or recording the numerical value."</ref> आउटलायर परत रोमांचक संभावना का संकेत हो सकता है लेकिन सांख्यिकीय विश्लेषण में गंभीर समस्याएं भी उत्पन कर सकता है।		[[Image:Michelsonmorley-boxplot.svg\|thumb\|चित्रा 1. मिशेलसन-मॉर्ले प्रयोग से डेटा का [[ रेखा - चित्र \|रेखा - चित्र]] मध्य कॉलम में चार आउटलायर परत प्रदर्शित करता है, साथ ही पहले कॉलम में आउटलाइयर।]]आँकड़ों में, '''आउटलायर''' [[डेटा बिंदु]] है जो अन्य अवलोकनों से महत्वपूर्ण रूप से भिन्न होता है।<ref name=":0">{{Cite journal \|last=Grubbs \|first=F. E. \|date=February 1969 \|title=नमूनों में बाहरी प्रेक्षणों का पता लगाने की प्रक्रियाएं\|journal=Technometrics \|volume=11 \|issue=1 \|pages=1–21 \|doi= 10.1080/00401706.1969.10490657\|quote=An outlying observation, or "outlier," is one that appears to deviate markedly from other members of the sample in which it occurs.}}</ref><ref name=":1">{{cite book \|last=Maddala \|first=G. S. \|author-link=G. S. Maddala \|chapter=Outliers \|title=अर्थमिति का परिचय\|location=New York \|publisher=MacMillan \|edition=2nd \|year=1992 \|isbn=978-0-02-374545-4 \|pages=[https://archive.org/details/introductiontoec00madd/page/89 89] \|quote=एक बाहरी एक ऐसा अवलोकन है जो बाकी अवलोकनों से बहुत दूर है।\|chapter-url=https://books.google.com/books?id=nBS3AAAAIAAJ&pg=PA89 \|url=https://archive.org/details/introductiontoec00madd/page/89 }}</ref> आउटलायर परत माप में परिवर्तनशीलता के कारण हो सकता है नए डेटा का संकेत हो सकता है, या यह प्रायोगिक त्रुटि का परिणाम हो सकता है बाद वाले को कभी-कभी [[डेटा सेट\|डेटा]] सेट से बाहर रखा जाता है।<ref name=":2">Pimentel, M. A., Clifton, D. A., Clifton, L., & Tarassenko, L. (2014). A review of novelty detection. Signal Processing, 99, 215-249.</ref><ref name=":3">{{harvnb\|Grubbs\|1969\|p=1}} stating "An outlying observation may be merely an extreme manifestation of the random variability inherent in the data. ... On the other hand, an outlying observation may be the result of gross deviation from prescribed experimental procedure or an error in calculating or recording the numerical value."</ref> आउटलायर परत रोमांचक संभावना का संकेत हो सकता है लेकिन सांख्यिकीय विश्लेषण में गंभीर समस्याएं भी उत्पन कर सकता है।

	आउटलायर परत किसी भी वितरण में संयोग से हो सकते हैं, लेकिन वे डेटा-समुच्चय [[माप त्रुटि]] या जनसंख्या में भारी-पूंछ वाले वितरण में उपन्यास व्यवहार या संरचनाओं का संकेत दे सकते हैं। माप त्रुटि के स्थितियों में कोई उन्हें त्यागना चाहता है या उन आँकड़ों का उपयोग करना चाहता है जो आउटलायर परत के लिए [[मजबूत आँकड़े]] हैं जबकि भारी-पूंछ वाले वितरण के स्थितियों में वे संकेत देते हैं कि वितरण में उच्च [[तिरछापन]] है और उपकरण का उपयोग करने में बहुत सतर्क रहना चाहिए या अंतर्ज्ञान जो [[सामान्य वितरण]] मानते हैं। आउटलायर परत का लगातार दो वितरणों का मिश्रण है जो दो अलग-अलग उपआबादी हो सकते हैं या 'सही परीक्षण' विरूद्ध 'माप त्रुटि' का संकेत दे सकते हैं यह [[मिश्रण मॉडल\|मिश्रण प्रारूप]] द्वारा तैयार किया गया है।		आउटलायर परत किसी भी वितरण में संयोग से हो सकते हैं, लेकिन वे डेटा-समुच्चय [[माप त्रुटि]] या जनसंख्या में भारी-पूंछ वाले वितरण में उपन्यास व्यवहार या संरचनाओं का संकेत दे सकते हैं। माप त्रुटि के स्थितियों में कोई उन्हें त्यागना चाहता है या उन आँकड़ों का उपयोग करना चाहता है जो आउटलायर परत के लिए [[मजबूत आँकड़े]] हैं जबकि भारी-पूंछ वाले वितरण के स्थितियों में वे संकेत देते हैं कि वितरण में उच्च [[तिरछापन]] है और उपकरण का उपयोग करने में बहुत सतर्क रहना चाहिए या अंतर्ज्ञान जो [[सामान्य वितरण]] मानते हैं। आउटलायर परत का लगातार दो वितरणों का मिश्रण है जो दो अलग-अलग उपआबादी हो सकते हैं या 'सही परीक्षण' विरूद्ध 'माप त्रुटि' का संकेत दे सकते हैं यह [[मिश्रण मॉडल\|मिश्रण प्रारूप]] द्वारा तैयार किया गया है।