excel散点图删除异常点(散点图剔除异常值)

1. 散点图剔除异常值

1、作回归分析要有实际意义，不能把毫无关联的两种现象，随意进行回归分析，忽视事物现象间的内在联系和规律；如对儿童身高与小树的生长数据进行回归分析既无道理也无用途。

另外，即使两个变量间存在回归关系时，也不一定是因果关系，必须结合专业知识作出合理解释和结论。

　　2、直线回归分析的资料，一般要求应变量Y是来自正态总体的随机变量，自变量X可以是正态随机变量，也可以是精确测量和严密控制的值。

若稍偏离要求时，一般对回归方程中参数的估计影响不大，但可能影响到标准差的估计，也会影响假设检验时P值的真实性。

　　3、进行回归分析时，应先绘制散点图（scatter plot）。

若提示有直线趋势存在时，可作直线回归分析；若提示无明显线性趋势，则应根据散点分布类型，选择合适的曲线模型（curvilinear modal），经数据变换后，化为线性回归来解决。

一般说，不满足线性条件的情形下去计算回归方程会毫无意义，最好采用非线性回归方程的方法进行分析。

　　4、绘制散点图后，若出现一些特大特小的离群值（异常点），则应及时复核检查，对由于测定、记录或计算机录入的错误数据，应予以修正和剔除。

否则，异常点的存在会对回归方程中的系数a、b的估计产生较大影响。

　　5、回归直线不要外延。

直线回归的适用范围一般以自变量取值范围为限，在此范围内求出的估计值称为内插（interpolation）；超过自变量取值范围所计算的称为外延（extrapolation）。

若无充足理由证明，超出自变量取值范围后直线回归关系仍成立时，应该避免随意外延。

2. 控制图剔除异常点

vivo红外被异常遮挡怎样关闭

1.点击系统管理

打开手机桌面上的设置，点击系统管理；

2.点击备份重置

接着，进入当前的页面里，点击备份与重置；

3.点击清除数据

然后，在弹出的最新页面里，点击下方的清除所有数据就行了。

3. 散点图残差

线性看散点图吧等方差的话，看残差图的点分布是否出现喇叭。如果出现的话表示方差不等

4. 散点图去掉偏离的点

谢邀。以下的方法，您可以根据实际情况挑选使用。可能一种方法就足够，也可能需要多种方法并用。

1）如果要监控样本关系的稳定性，可以把10组数据用统计软件做散点矩阵图。看两两间的相关性。如果有强相关，分别计算相关系数或进行回归(从矩阵的角度实际是计算相关阵)。斜率明显不为1时，说明随着温度升高，差异会变化(即存在交互作用)。

可以分段或移动(例如每20个数据)监控相关系数或回归系数，或者回归模型残差。在EXCEL上设好函数很容易完成。可以用单值-移动极差控制图来监控。

2）注意所有样本一起回归很可能会因为同质性(相关度接近1）而产生严重的共线性，这样误差极大。如果样本间存在部分异质性，可以所有样本一起进行主成分回归或者岭回归(一个样本作为因变量)。然后将方程左右相减，得到残差。对残差用控制图监控稳定性。这是一种好的综合控制方法。两两比较的控制方法见后面。

如果未学过主成分回归和岭回归，直接使用1）的方法也是可以的。

注意: 如果残差误差是异方差的，需要数据变换为等方差。

3）如果各样本同分布(重点是均值应该相等)，且样本间需要保持一致，可以用统计软件进行分段的Friedman检验(配对Wilcoxon检验的多样本扩展)或者随机完全区组设计(配对t检验的多样本扩展)，检验出样本的显著差异。

如果想监控样本差异的偏移量，且已知样本系统性差异值(正常偏移量)，可以用上述方法检验出对这个差异值的显著偏离(在上述检验中样本间波动扣除正常偏移分量)。

原理上，以上均是把同一时间的10个样本温度看做一个区组(这里重要的是样本间存在协方差，降低了误差方差)。如果样本间与温度没有明显的交互作用(即温度不同，样本间差异较为稳定）。是可以直接应用以上方法的。

但如果样本间与温度存在较大交互作用(温度不同样本间差异明显不同），则需要温度是近似随机的。如果短期温度不近似随机就要长间隔测量，如果长期温度不近似随机(有趋势），就要短间隔测量。或者在有趋势时，剥离趋势分量也行。

4）可以用统计软件进行聚类。例如对10个样本进行聚类，发现哪些样本关系相近。对时间聚类，发现哪些时间段之间类似。

5）想监控差异值异常波动的话，可以用控制图。假设温度是随机波动而不是趋势性的，如果想看同期差异的变化，就按高低顺序把同期值相减，分别做时间序列图或控制图。注意要用到移动极差做误差。也可以用多元控制图整体控制风险，发现异常。

6）如果差异值有趋势的话，还可以用差异值(或原数据)相对于时间或者温度进行回归。回归的MSe就是误差方差。残差可以用控制图监控稳定性。

7）如果回归误差存在时间自相关(即数据独立性有问题，前一值影响后一值)，可以用连续多个时间点(例如5个)的简单平均值(或移动平均值，或加权移动平均值）代替原差异数据，来进行分析。

再就是采取数据变换或增项或协方差的方法。

如果还存在自相关问题，可以按照

Y(n+1期)=αY(n期)+βx+ε

来回归。也就是把上一时期的因变量数值也当做自变量。

如果拟合仍然不足，还可以在自变量中再加入Y(n-1期)项。

5. excel散点图剔除异常值

1、运行Excel，打开要处理的表格，选中数据区域。

2、点击“插入”，并点击选中“散点图”。

3、这时，就初步生成散点图，但仍需要进行修改和加工。

4、双击“图表标题”，并进行更改，这里改成了“产销图”。

5、双击横坐标，修改最大值，这里改为“12”，如图所示。

6、双击纵坐标，修改最小值，由于产量和销量数据均大于500，所以将最小值改为500。

7、设置坐标轴标题，这里横坐标设置为“月份”，纵坐标设为“万件”。

8、最后，我们可以对图标的外观进行修改，比如改成线条粗细和填充颜色等。

6. 散点图常见问题

全部选中---选择边框---线性（小三角）---根据自己的需求选择不同类型的线，和不容粗细的线

7. 散点图判断异常值

说明制作散点图的数据中被吞的点是异常数据，可忽略