摘要：随着信息爆炸时代的发展和统计软件的开发使用，数据对企业的未来发展起到越来越重要的作用，同时，大数据时代对人类的数据控制能力提出了新的挑战，也为人们获得更深刻、更全面的洞见提供了前所未有的空间和潜力。伴随着企业对数据的重视，R语言以其自身优势迅速获得数据分析人员的喜爱。但是数据异常值的存在不利于人们对数据的开发利用，甚至会严重影响数据的价值和使用效率。这篇论文从数据分析的角度出发，总结了对数据异常值的常见诊断方法，同时通过r语言数据分析软件给出了数据异常值诊断的分析步骤。最后部分是借助案例实例，对各种方法的实际应用提供了具体的讲解分析，并且给出了可视化的分析结果，做到了图文并茂。这篇文章结合了R语言和数据异常值诊断，可以为广大数据工作者提供一些数据利用过程的参考。

关键词：R语言；异常值；诊断方法；箱线图；OutliersO3

目录

摘要

Abstract 

1.导论-1

1.1研究的背景、意义及目的-1

1.2研究现状-2

1.3研究思路及主要内容-3

1.4研究方法和创新点-3

2统计数据异常值的诊断方法-5

2.1异常值及形成原因-5

2.2简单统计方法识别异常值-5

2.3拉依达原则识别异常值-6

2.4箱线图识别异常值-8

2.5 k-means聚类识别异常值-9

2.6 LOF算法识别异常值-10

3 R语言对统计数据异常值的诊断-12

3.1 R语言及其优点-12

3.2 R语言利用简单统计方法识别异常值-13

3.3 R语言利用拉依达原则识别异常值-14

3.4 R语言利用箱线图识别异常值-14

3.5 R语言利用kmeans聚类识别异常值-15

3.6 R语言利用lof算法识别异常值-16

3.7 R语言利用OutliersO3函数包比较识别异常值-17

4.R语言案例分析-17

4.1 应用简单统计方法识别异常值-17

4.2 应用拉依达原则识别异常值-19

4.3 应用箱线图识别异常值-20

4.4 应用k-means聚类方法识别异常值-22

4.5 运用LOF算法识别异常值-23

4.6 运用OutliersO3函数包识别异常值-25

5 总结与展望-26

参考文献

致谢