外れ値を検出するためのIQRの精度

プロセスの実行時間を分析するスクリプトを書いています。それらの分布はわかりませんが、プロセスが「長すぎる」かどうかを知りたいです。これまでのところ、最後の実行時間の3つの標準偏差（n> 30）を使用してきましたが、データが正常でない場合（これは正常ではないように見える）、これは有用なものではないと言われました。私は次のような異常値テストを見つけました：

IQR = Q3-Q1である四分位範囲を見つけます。Q3は3番目の四分位数、Q1は最初の四分位数です。次に、次の2つの数値を見つけます。

a）Q1-1.5 * IQR b）Q3 + 1.5 * IQR

<aまたは> bの場合、ポイントは異常値です

私のデータは2秒、3秒、2秒、5秒、300秒、4秒などの傾向があります。ここで、300秒は明らかに異常値です。

どちらの方法が良いですか？IQR法または標準偏差法？

外れ値に関する本は本当にたくさんあります。

通常の具体的な答えは、標準偏差は外れ値によって引き上げられるため、SDに基づくルールのパフォーマンスが低下する可能性があるためです。

引用した四分位数のチューキールール+/- 1.5 IQRは、1970年代の小規模および中規模のデータセットの手作業から生まれたものであり、個別に検討したい値を示すように設計されています。それらがはるかに大きなデータセットに引き継がれることも、かなりの歪度が予想されるときに適用されることも明らかではありません。

より一般的な答えは、常に正しい決定を下す場合は外れ値のルールが良いということですが、どうすればわかりますか？

これは論争の的となる領域ですが、私は異常値が他のものと非常に異なるものとしてグラフ上に突き出ると予想します。しかし、多くの場合（通常は？）、裾が重い分布で期待するものと、異常であり、異常値以外と見なすことができないものとの違いを伝えるのは困難です。変換によって、外れ値がより普通に見えることがあります。

さらに、堅牢なメソッドを使用する場合、どの値が外れ値と呼ばれる価値があるかについて少し心配する必要はありませんが、一般的に外れ値について心配します。

あなたはあなたが配布について確信がないと言いますが、進行中のプロセスは配布のために収集して評価するのは簡単です。たくさんの時間を節約して、それらを分析してください。あなたが投稿した時間を考えると、あなたは数時間でたくさんを得ることができました。

外れ値のルールの検索は、それほど一般的である必要はありません。これは、タスクに固有のものにすることができます。大量のデータを収集できます。それを収集して調べ、プロセスが長すぎる場合を決定します。おそらくIQRベースのアプローチは機能しますが、データセットまたはパラメトリックフィットを使用してシミュレーションを実行し、それがうまく機能するかどうかを確認できます。SDについても同様です。> 50sが長すぎて、それで十分な場合もあります。