ADJUSTED BOXPLOT: 偏态分布的异常检测

Boxplot是一个常用的了解数据分布的工具，在数据预处理阶段也常用boxplot剔除离群点，但是当数据是一个偏态分布的时候，boxplot将许多点误分类为离群点。《AN ADJUSTED BOXPLOT FOR SKEWED
DISTRIBUTIONS》是一篇经典的修正boxplot在偏态分布数据上的误报问题的文章。

1. 传统boxplot方法

对于一组数据 X n = { x 1 , x 2 , x 3 , . . . , x n } X_n=\{x_1,x_2,x_3,...,x_n\} Xn​={ x1​,x2​,x3​,...,xn​}，计算Q1(第一四分位数), Q3(第三四分位数), IQR(四分位距)，然后得到Tukey bound：
$$[Q_1-1.5\ast IQR,Q_3+1.5\ast IQR]$$
boxplot 方法认为落在tukey bound外的数据为离群值。

缺点：该上下界是基于数据时对称分布得到的，当数据是偏态分布时tukey bound表现得并不好。

2. 通用的boxplot方法

medcouple

medcouple(MC)是一个健壮的，用于描述连续单变量分布(F)偏度的统计量：
$$MC(F)=\underset{x_i<m_F<x_j}{\mathrm{median}}h(x_i,x_j)$$

$m_F$是F的中值，$x_i,x_j$是F中的样本，核函数h(x)定义如下：
$$h(x_i$$