IQR检测异常值的准确性如何

我正在编写一个分析进程运行时间的脚本。我不确定它们的分布情况，但是我想知道某个进程是否运行“过长”。到目前为止，我一直在使用上次运行时间的3个标准差（n> 30），但有人告诉我，如果数据不正常（看起来好像不是），这将无法提供任何有用的信息。我发现另一个异常测试指出：

找到四分位数间距，即IQR = Q3-Q1，其中Q3是第三个四分位数，而Q1是第一个四分位数。然后找到这两个数字：

a）Q1-1.5 * IQR b）Q3 + 1.5 * IQR

如果<a或> b，则该点是异常值

我的数据通常是2sec，3sec，2sec，5sec，300sec，4sec等。其中300sec显然是一个异常值。

哪种方法更好？IQR方法还是std偏差方法？

确实有关于离群值的整本书。

通常的具体答案是，标准偏差被异常值拉高，因此任何基于SD的规则都可能表现不佳。

您引用的Tukey关于四分位数+/- 1.5 IQR的规则是出于手工处理的，它是在1970年代使用中小型数据集编写的，旨在指示您可能需要单独考虑的值。尚不清楚它们是否可以延续到更大的数据集，也无法在您期望相当大的偏斜度时应用它们。

一个更笼统的答案是，如果离群规则总是能够做出正确的决定，那么它是好的，但是您怎么知道呢？

这是一个有争议的领域，但我希望一个离群值会在图表上突出显示出来，因为它与其他区域有很大不同。但这通常（通常？）是一个艰难的决定，要告诉您在重尾分布中所期望的结果与什么太过疯狂以至于不能看作是异常值之间的区别。有时，变换会使异常值看起来更加普通。

此外，如果使用健壮的方法，则可能不必担心确切地将哪些值称为离群值，而通常会担心离群值。

您说您不确定分发，但是正在进行的流程很容易收集和评估分发。只需保存一堆时间并进行分析。鉴于您发布的时间，您可能会在几个小时内收获很多。

您对异常值规则的搜索不必那么笼统。它可以特定于您的任务。您可以收集大量数据。收集它，检查它，然后决定什么时候过长。也许基于IQR的方法会起作用，但是您可以使用数据集或参数拟合来进行模拟，并查看其是否运行良好。SD也是如此。> 50s可能太长了，这就是您所需要的。