データサイエンティスト検定 リテラシーレベル データサイエンス(数学・統計・可視化) 練習問題 第52問: 工場の機械の温度を 1 時間ごとに記録したデータに、ほかの値から大きく離れた値が数件見つかった。これらの値の扱い方として、最も適切なものはどれか。
データサイエンス(数学・統計・可視化)
– / 96 解いた
第52問
工場の機械の温度を 1 時間ごとに記録したデータに、ほかの値から大きく離れた値が数件見つかった。これらの値の扱い方として、最も適切なものはどれか。
解答と解説を先に見る
先に見ると、この問題は今回は育ちません。
正解: 4. 外れ値は、その値が出たわけを機械の点検記録や当日の作業の記録と照らして確かめたうえで、除くか残すかを決める
値が出たわけを記録と照らして確かめたうえで、除くか残すかを決めるのが適切です。出典:『高等学校情報科「情報Ⅱ」教員研修用教材』(文部科学省)を加工して作成。
同教材は、かけ離れた値を外れ値、そのうち原因を特定できるものを異常値とし、外れ値は四分位範囲などで検出できるが、有益なデータの可能性もあるため、原因や理由を考察する必要があるとしています。「異常値として記録したうえで集計から除き」は、原因を確かめていない外れ値は異常値とは言えず、検出されただけでは除く理由になりません。
「原因を特定できないものを異常値と呼び」は、除かずに調べる進め方は丁寧でも、異常値の定義が逆です。「よくある短い揺れなので…含めて集計する」は、記録と照らす前に「よくある揺れ」と決めつけていて、原因や理由の考察 (情報Ⅱ教材) を飛ばしています。
総務省統計局『なるほど統計学園』も、外れ値が加わると平均値は三つの代表値の中で最も影響を受けるとしています。外れ値は検出の次に原因を確かめ、原因の分かったものを異常値と呼ぶ、と押さえましょう。
関連キーワード: 外れ値・異常値・四分位範囲・データの前処理
模試 (100問)
この問題が解けたら、本試験はどうですか?本番形式で、ほかの科目もまとめて確かめる
本番形式の模擬試験で実力チェックPremium (月980円)Premium (ご利用中)本番と同じ制限時間
広告