12、简化地图：数据异常检测与县级分析

简化地图：数据异常检测与县级分析

1. 数据异常判断

在数据处理过程中，我们得到了一系列归一化值，从怀俄明州每 724 人中有 1 人感染，到华盛顿州每 1550 人中有 1 人感染。我们不禁思考，这是否意味着怀俄明州的居民比华盛顿州的居民更粗心？或者是否存在其他因素导致这种差异？更重要的是，这些极端值是异常值还是在正常预期范围内？

为了判断极端值是否为异常值，有两种关键方法：
- 使用箱线图（IQR 方法）
- 计算 z 分数

2. 使用箱线图查找异常值

箱线图由 John Tukey 开发，用于直观展示数据的分布情况。它通过绘制从第 25 百分位数到第 75 百分位数的箱体来表示数据的中间 50%，这个距离称为四分位距（IQR）。然后从箱体两端延伸出线条，长度为 1.5 倍的 IQR，超出这些线条范围的数据点很可能是异常值，用点表示。

以下是使用 R 语言创建箱线图的代码：

# requires objects: za.norm (5-8)
# create a box plot of the count
popbox <- boxplot(za.norm$count)

从箱线图中可以看到，上方有三个点，下方有两个点，这些点可能是异常值。我们可以通过查看 popbox$out 向量来获取这些异常值，并在原始数据中查找对应的行：

# requires objects: za.norm (5-8), p