Une valeur aberrante est un point de données qui se distingue du reste d’un jeu de données : il peut s’agir d’une observation réellement extrême ou d’une erreur de saisie. Ce calculateur applique deux méthodes statistiques courantes, la règle des bornes IQR (Tukey) et le seuil du score z, pour repérer les valeurs suspectes, comparer les méthodes et exporter les données nettoyées.

Fonctionnement du calculateur de valeurs aberrantes

La méthode IQR trie les données, détermine Q1 et Q3 (les 25e et 75e percentiles), puis calcule l’écart interquartile en soustrayant Q1 de Q3. Toute valeur située au-delà de 1.5 fois l’IQR sous Q1 ou au-dessus de Q3 est signalée. Cette méthode ne suppose aucune forme particulière de distribution, ce qui la rend robuste face aux données asymétriques.

La méthode du score z calcule plutôt le nombre d’écarts-types qui séparent chaque valeur de la moyenne de l’échantillon. Une valeur dont le score z absolu dépasse le seuil choisi — 3 par défaut — est signalée. Cette méthode suppose que les données suivent approximativement une loi normale ; sa moyenne et son écart-type sont eux-mêmes influencés par les valeurs aberrantes qu’elle cherche à repérer, ce qui est à prendre en compte avec les petits jeux de données.

En sélectionnant « Les deux », vous combinez les listes de valeurs aberrantes pour voir où les méthodes concordent ou divergent.

Saisies et leur signification

Valeurs des données — collez une liste de nombres séparés par des virgules, des espaces, des points-virgules ou des sauts de ligne. Il faut au moins 4 valeurs pour que les quartiles et l’écart-type soient significatifs.

Méthode de détection — choisissez IQR, score z ou les deux. L’IQR est généralement la méthode par défaut la plus prudente et ne dépend pas de la forme de la distribution ; le score z est plus familier si les données sont approximativement normales.

Seuil du score z — nombre d’écarts-types par rapport à la moyenne à partir duquel une valeur est considérée comme aberrante. La valeur 3 est couramment utilisée par défaut ; l’abaisser à 2 signale davantage de valeurs comme aberrantes « modérées », tandis que l’augmenter ne signale que les plus extrêmes.

Limites et cas particuliers

Avec de très petits jeux de données (moins d’environ 10 valeurs), les deux méthodes peuvent être instables : une seule valeur extrême influe sur la moyenne, l’écart-type et même les quartiles, et peut masquer ou exagérer la présence de valeurs aberrantes. Des données très asymétriques peuvent aussi produire des bornes IQR qui signalent comme aberrantes des valeurs légitimes dans la longue queue de distribution.

Signaler une valeur comme aberrante constitue un indice statistique, pas un verdict automatique. Examinez toujours la source des données avant de décider de supprimer le point signalé. Pour approfondir l’analyse de la distribution, utilisez aussi les calculateurs d’écart-type ou de statistiques descriptives.