Funktionen > Datenanalyse > Ausreißer und Nichtzahlenwerte (NaN) > Ausreißer und Funktionen für Nichtzahlenwerte (NaN)
Ausreißer und Funktionen für Nichtzahlenwerte (NaN)
Erkennen und Entfernen von Ausreißern
Ausreißer sind Datenpunkte, die unecht erscheinen, da Sie weit außerhalb des erwarteten Datenverhaltens liegen. Im Allgemeinen empfiehlt es sich, Ausreißer zu entfernen, bevor Sie Daten einpassen, da sie Statistiken und angepasste Kurven verfälschen können.
• Grubbs, GrubbsClassic, ThreeSigma, trim – Erkennen von Ausreißern mit der Grubbs- oder der ThreeSigma-Methode und Entfernen von Ausreißern aus Datensätzen.
Erkennen und Entfernen von Nichtzahlenwerten (NaN)
• IsNaN, markNaN, matchNaN, filterNaN – Identifizieren von Daten als Nichtzahlenwert (NaN) und Entfernen von NaN aus Datensätzen.
Datenanalysefunktionen
Die integrierte Konstante Nichtzahlenwert (NaN)
War dies hilfreich?