Valeurs aberrantes (Algorithme de Tukey)
Détection des outliers statistiques par l'intervalle interquartile 1.5×IQR.
1. Détection non paramétrique basée sur la médiane et les quartiles. 2. Seuil : [Q1 - 1.5×IQR ; Q3 + 1.5×IQR]. 3. Une valeur aberrante peut être confirmée via l'exception MEAL.
Qu'est-ce que c'est ?
Une valeur aberrante (outlier) est une mesure numérique qui s'écarte de manière disproportionnée de la distribution générale des réponses de la population enquêtée.
Exemple
Dans une enquête sur les dépenses alimentaires mensuelles où la médiane est de 45 000 FCFA avec un 3ème quartile à 70 000 FCFA, une dépense enregistrée à 1 500 000 FCFA est signalée comme valeur suspecte.
Comment DataQuality le détecte ?
DataQuality applique l'algorithme standard de Tukey (box plot interquartile). Il calcule Q1, Q3 et l'IQR (Q3 - Q1). Toute valeur en dehors de l'intervalle [Q1 - 1.5×IQR ; Q3 + 1.5×IQR] est étiquetée comme VALEUR_SUSPECTE.
Comment interpréter l'anomalie ?
Une valeur aberrante n'est pas forcément fausse : il peut s'agir d'un cas atypique réel (ex: un commerçant aisé dans le village) ou d'un zéro supplémentaire ajouté par erreur (150 000 -> 1 500 000).
Comment corriger ?
Si la valeur est fausse, modifiez-la dans le Centre de Correction. Si la valeur est réelle et vérifiée sur le terrain, utilisez la modale 'Marquer comme exception' (MarkExceptionModal) pour la confirmer avec justification sans pénaliser votre score final.
Articles associés
Validité
Contrôle de la conformité des données aux types attendus, formats regex et plages de valeurs réalistes.
Corriger les anomalies : Le workflow complet dans le Centre de Données
Procédure pas-à-pas pour éditer les données, justifier les corrections, gérer les exceptions et valider les lignes.
Données validées : Le registre certifié des observations
Comprendre la chaîne d'assurance qualité et pourquoi les analyses s'exécutent exclusivement sur les données certifiées.