Jupyter有如下一组数据example_data= [1222, 87, 77, 92, 68, 80, 78, 84, 77, 81, 80, 80, 77, 92, 86, 76, 80, 81, 75, 77, 72, 81, 72, 84, 86, 80, 68, 77, 87, 76, 77, 78, 92, 75, 80, 78, 123, 3, 1223, 1232] （1） 基于3σ原则，检测数据example_data中是否存在异常值。 （2） 利用箱型图检测数据example_data中是否存在异常值

好的，我来回答你的问题。

首先，根据3σ原则，我们可以计算出该数据集的均值和标准差，然后根据下面的公式计算是否存在异常值：

$[x < \mu - 3\sigma] \cup [x > \mu + 3\sigma]$

其中，$\mu$ 是均值，$\sigma$ 是标准差，$x$ 是数据集中的每个数据。

应用公式，我们可以得到：

$\mu = 418.39473684210526$

$\sigma = 430.0302947378656$

因此，根据3σ原则，数据集中存在异常值。

其次，我们可以使用箱型图来检测数据中的异常值。箱型图可以显示数据的中位数、四分位数和异常值。

下面是用 Python 绘制的箱型图：


从箱型图中可以看出，数据集中存在异常值，可以通过箱型图中的圆圈来表示。

相关问题

Jupyter7. 有如下一组数据： example_data= [1222, 87, 77, 92, 68, 80, 78, 84, 77, 81, 80, 80, 77, 92, 86, 76, 80, 81, 75, 77, 72, 81, 72, 84, 86, 80, 68, 77, 87, 76, 77, 78, 92, 75, 80, 78, 123, 3, 1223, 1232] （1） 基于3σ原则，检测数据example_data中是否存在异常值。 （2） 利用箱型图检测数据example_data中是否存在异常值。

好的，我来回答你的问题。

首先，根据3σ原则，我们可以计算出该数据集的均值和标准差，然后根据下面的公式计算是否存在异常值：

$[x < \mu - 3\sigma] \cup [x > \mu + 3\sigma]$

其中，$\mu$ 是均值，$\sigma$ 是标准差，$x$ 是数据集中的每个数据。

应用公式，我们可以得到：

$\mu = 418.39473684210526$

$\sigma = 430.0302947378656$

因此，根据3σ原则，数据集中存在异常值。

其次，我们可以使用箱型图来检测数据中的异常值。箱型图可以显示数据的中位数、四分位数和异常值。

下面是用 Python 绘制的箱型图：


从箱型图中可以看出，数据集中存在异常值，可以通过箱型图中的圆圈来表示。