# 5.15 Outliers — वेगळी value म्हणजे चूकच असते का?

Source: https://ravindrabagale.com/mr/excel/ch05-data-cleaning-a-z/5-15-outliers.html
Language: mr (Marathi with English technical terms)

आधीचा data

 | Order ID
 | Amount
 | Flag

 | BLK-3401
 | 120
 | 

 | BLK-3402
 | 95
 | 

 | BLK-3403
 | 140
 | 

 | BLK-3404
 | 12,990
 | 

 | BLK-3405
 | 110
 | 

 | BLK-3406
 | 0
 | 

Clean केल्यावर

 | Order ID
 | Amount
 | Flag

 | BLK-3401
 | 120
 | OK

 | BLK-3402
 | 95
 | OK

 | BLK-3403
 | 140
 | OK

 | BLK-3404
 | 12,990
 | Outlier – verify

 | BLK-3405
 | 110
 | OK

 | BLK-3406
 | 0
 | Outlier – verify

Outlier म्हणजे बाकी values पेक्षा खूप वेगळी value. ₹129.90 ऐवजी ₹12,990 ही typo असू शकते; पण मोठी bulk orderही खरी असू शकते. म्हणून आधी flag, मग verify.

IQR method

E1: =QUARTILE.INC($B$2:$B$7,1); E2: =QUARTILE.INC($B$2:$B$7,3).

E3 मध्ये IQR: =E2-E1.

E4 lower fence: =E1-1.5*E3; E5 upper fence: =E2+1.5*E3.

Flag: =IF(OR(B2<$E$4,B2>$E$5),"Outlier – verify","OK").

Insert › Charts › Insert Statistic Chart › Box and Whisker — Excel 2016+ — visual check करा.

Alternative z-score: =STANDARDIZE(B2,AVERAGE($B$2:$B$7),STDEV.S($B$2:$B$7)). |z| >3 हा एक heuristic आहे; distribution, sample size आणि business context नुसार त्याची उपयोगिता बदलते. IQR आणि chart मधल्या quartile settingsमुळे boundaries थोड्या वेगळ्या असू शकतात.

Practice

30 order amounts साठी IQR fences काढा, flags लावा आणि box plotशी compare करा. प्रत्येक flagged value साठी keep/correct/exclude निर्णय आणि कारण लिहा.

रवींद्र बागले यांची tip

Outlier दिसला की delete करू नका. Festival मधली bulk order खरी असू शकते. Source किंवा संबंधित business owner कडून verify करा. Flag म्हणजे reviewची सूचना; automatic deletion rule नाही.