বাস্তব ডেটা অগোছালো হয়। কিছু ঘর ফাঁকা (মিসিং ভ্যালু) থাকে, কিছু মান বাকিদের থেকে অনেক দূরে (আউটলাইয়ার) থাকে। বিশ্লেষণের আগে দুটোই খুঁজে নিন।
কেন গুরুত্বপূর্ণ
মিসিং ভ্যালু নমুনা ছোট করে এবং ফলাফলে পক্ষপাত আনতে পারে। আউটলাইয়ার গড়কে টেনে নেয় ও SD বাড়ায়।
মূল ধারণা
- কয়টি মান মিসিং এবং কোন ভেরিয়েবলে — তা জানান
- কেন মিসিং — এলোমেলো না নির্দিষ্ট কারণে — ভাবুন
- আউটলাইয়ার নিয়ম: Q1 − 1.5×IQR-এর নিচে বা Q3 + 1.5×IQR-এর উপরে
- আগে টাইপ ভুল আছে কিনা দেখুন, তারপর সিদ্ধান্ত নিয়ে তা লিখে রাখুন
- অসুবিধাজনক বলে কোনো মান মুছে ফেলবেন না
- মিডিয়ান ও IQR আউটলাইয়ারে কম প্রভাবিত হয়; গড় ও SD হয় বেশি
বাস্তব গবেষণার উদাহরণ
একটি BMI সার্ভেতে একজনের BMI = ২৪০। এটি ২৪.০ লেখার টাইপ ভুল। এন্ট্রি ঠিক করা সঠিক; চুপচাপ মানুষটিকে বাদ দেওয়া ঠিক নয়।
কখন ব্যবহার করবেন
- প্রতিটি বিশ্লেষণের আগে মিসিং ও আউটলাইয়ার যাচাই করুন
- সন্দেহজনক মান সহ ও ছাড়া ফলাফল তুলনা করুন (সেনসিটিভিটি চেক)
কখন ব্যবহার করবেন না
- যুক্তি ছাড়া মিসিং ভ্যালু গড় দিয়ে পূরণ করবেন না
- p-value সিগনিফিক্যান্ট করার জন্য আউটলাইয়ার বাদ দেবেন না
ছোট উদাহরণ
মান: ৪, ৫, ৫, ৬, ৭, ৮, ৪০ Q1 = ৫, Q3 = ৭.৫, IQR = ২.৫ → উপরের সীমা = ৭.৫ + ৩.৭৫ = ১১.২৫ তাই ৪০ আউটলাইয়ার। গড় = ১০.৭ কিন্তু মিডিয়ান = ৬।
মনে রাখুন
আগে দেখুন, তারপর পরিষ্কার করুন। প্রতিটি পরিষ্কারের সিদ্ধান্ত রিপোর্টে লিখুন।
হাতে-কলমে চর্চা
নিচে নিজের কিছু সংখ্যা লিখুন এবং একটি অনেক বড় মান যোগ করুন। কোন মানটি চিহ্নিত হলো? গড় মিডিয়ানের তুলনায় কতটা সরলো?
আদর্শ উত্তর
অতিরিক্ত বড় মানটি গড়কে নিজের দিকে টানে, কিন্তু মিডিয়ান প্রায় একই থাকে। দুটোই রিপোর্ট করুন, মানটি নিয়ে আপনার সিদ্ধান্ত ব্যাখ্যা করুন এবং সেনসিটিভিটি চেক দেখান।