Outliers from faulty distributedass

Outliers from faulty distributed
assumptions: incorrect assumptions
about the distribution of the data can
also lead to the presence of suspected
outliers Iglewieze and Hoaglin,
(1993). Blood sugar levels,
disciplinary referrals, scores on
classroom tests where students are
well-prepared, and self-reports
of low-frequency behaviours (e.g.
number of times a student has been
suspended or held back a grade) may
give rise to bimodal, skewed,
asymptotic or flat distributions,
depending upon the sampling design.
The data may have a different
structure than the researcher originally
assumed, and long or short-term
trends may affect the data in
unanticipated ways. For example, a
study of college library usage rates
during the month of September may
find outlying values at the beginning
and end of the month, with
exceptionally low rates at the
beginning of the month when students
have just returned to campus or are on
break for labour weekend in (Nigeria)
and exceptionally high rates at the end
of the month, when mid-term
examinations have begun.

ผลลัพธ์ (ไทย) 1:

กระจาย outliers จากความผิดพลาดสมมติฐาน: สมมติฐานที่ไม่ถูกต้องเกี่ยวกับการกระจายของข้อมูลยัง สงสัยว่านำไปสู่การปรากฏตัวของoutliers Iglewieze และ Hoaglin(1993) ระดับน้ำตาลในเลือดอ้างอิงวินัย คะแนนการทดสอบห้องเรียนที่นักเรียนมีเตรียม และรายงานด้วยตนเองของพฤติกรรมความถี่ต่ำ (เช่นจำนวนครั้งที่นักเรียนได้รับหยุดชั่วคราว หรือจัดเกรด a) อาจก่อให้เกิดการ bimodal เบ้การกระจาย asymptotic หรือแบนขึ้นอยู่กับการออกแบบการสุ่มตัวอย่างข้อมูลอาจมีความแตกต่างกันโครงสร้างมากกว่านักวิจัยเดิมโหลด และยาว หรือระยะสั้นแนวโน้มอาจมีผลต่อข้อมูลในวิธีที่ไม่คาดคิด ตัวอย่างเช่น การการศึกษาอัตราการใช้ห้องสมุดวิทยาลัยในช่วงเดือนกันยายนอาจค้นหาค่ารอบนอกที่จุดเริ่มต้นและสิ้นเดือน พร้อมอัตราที่ต่ำเป็นพิเศษจุดเริ่มต้นของเดือนเมื่อนักเรียนเพิ่งกลับถึงวิทยาเขตหรืออยู่บนพักผ่อนสำหรับวันหยุดแรงงาน (ไนจีเรีย)และราคาสูงเป็นพิเศษในตอนท้ายเดือน เมื่อระยะกลางสอบได้เริ่ม

ผลลัพธ์ (ไทย) 2:

ค่าผิดปกติจากการกระจายความผิดพลาด
สมมติฐาน: สมมติฐานที่ไม่ถูกต้อง
เกี่ยวกับการกระจายของข้อมูลที่สามารถ
นำไปสู่การปรากฏตัวของผู้ต้องสงสัย
ผิดปกติ Iglewieze และ Hoaglin,
(1993) ระดับน้ำตาลในเลือด
อ้างอิงทางวินัยคะแนนใน
การทดสอบในชั้นเรียนที่นักเรียนจะ
ดีเตรียมและรายงานตนเอง
พฤติกรรมความถี่ต่ำ (เช่น
จำนวนครั้งที่นักเรียนได้รับการ
ระงับหรือกลับเกรด A) อาจ
ก่อให้เกิด bimodal เบ้ ,
การกระจาย asymptotic หรือแบน
ขึ้นอยู่กับการออกแบบการสุ่มตัวอย่าง.
ข้อมูลอาจมีความแตกต่างกัน
โครงสร้างกว่าเดิมนักวิจัย
สันนิษฐานและระยะยาวหรือสั้น
แนวโน้มอาจส่งผลกระทบต่อข้อมูลใน
รูปแบบที่ไม่คาดคิด ยกตัวอย่างเช่น
การศึกษาของวิทยาลัยอัตราการใช้ห้องสมุด
ในช่วงเดือนกันยายนอาจ
หาค่าห่างไกลที่จุดเริ่มต้น
และจุดสิ้นสุดของเดือนโดยมี
อัตราค่าบริการที่ต่ำเป็นพิเศษที่
เริ่มต้นของเดือนเมื่อนักเรียน
ได้กลับมาเพียงเพื่อให้มหาวิทยาลัยหรืออยู่บน
แบ่ง วันหยุดสุดสัปดาห์แรงงาน (ไนจีเรีย)
และอัตราสูงเป็นพิเศษในตอนท้าย
ของเดือนเมื่อระยะกลาง
สอบได้เริ่ม

ผลลัพธ์ (ไทย) 3:

ผิดปกติจากผิดกระจายสมมติฐาน : สมมติฐานที่ไม่ถูกต้องเกี่ยวกับการกระจายของข้อมูลสามารถยังนำไปสู่การสงสัยiglewieze hoaglin ผิดปกติและ ,( 1993 ) ระดับน้ําตาลในเลือดวินัยก่อนส่งต่อห้องเรียนที่นักเรียนทดสอบเตรียมตัวมาเป็นอย่างดี และ self-reportsพฤติกรรมของความถี่ต่ำ ( เช่นจำนวนครั้งที่นักศึกษาได้รับระงับหรือเลื่อนออกไปเกรด ) อาจให้สูงขึ้นเพื่อไบโมดอลเบ้ , ,เฉลี่ยหรือแบนการแจกแจงขึ้นอยู่กับคนออกแบบข้อมูลอาจมีแตกต่างกันโครงสร้างแบบเดิมมากกว่าสันนิษฐาน และระยะยาวหรือระยะสั้นแนวโน้มอาจมีผลต่อข้อมูลใน2008 ทาง ตัวอย่างเช่นการศึกษาอัตราการใช้ห้องสมุดวิทยาลัยในช่วงเดือน กันยายน อาจหาค่าห่างไกลที่จุดเริ่มต้นและจุดสิ้นสุดของเดือนด้วยอัตราต่ำเป็นพิเศษที่นักเรียนเมื่อช่วงต้นเดือนเพิ่งกลับมาถึงมหาวิทยาลัยหรือในแบ่งวันหยุดสุดสัปดาห์แรงงาน ( ไนจีเรีย )และอัตราสูงเป็นพิเศษในตอนท้ายของเดือน เมื่อระยะกลางการสอบจะเริ่มขึ้นแล้ว