Results, discussion and conclusions

Question 1

Mitä tapahtuu SD:lle kun n=32?

Answer 1

Heikko:
- alhainen hit rate tai korkea False alarm rate

Question 2

Mitä tapahtuu GMM kun n=32

Answer 2

Hieman robustimpi verrattuna SD suhteessa ei-suostuvaisten tutkimushekilöiden osuuteen

Question 3

Mitä tapahtuu rSD kun n=32?

Answer 3

*Korkea hit rate ja korkea FA rate
*Hit rate laskee jyrkästi kun ei-suostuvaisten osuus on yli 10%

Question 4

Mitä tapahtuu IQR kun n=32

Answer 4

Korkea hit rate varsinkin silloin kun ei-suostuvaisten osuus on alle 20%

Question 5

Millainen on prctile kun n=32?

Answer 5

Se on heikko

Question 6

Mitä tapahtuu Tukeylle kun n=32?

Answer 6

Korkea hit rate varsinkin kun ei-suostuvaisten osuus alle 20%

Question 7

Mitä tapahtuu MAD:lle kun n=32

Answer 7

*Korkea hit rate varsinkin kun ei-suostuvaisten osuus alle 20%

*robusti menetelmä (hit rate pysyy korkealla myös ei-suostuvaisten osuus kasvaa)

Question 8

Mitä tapahtuu Sn kun n=32

Answer 8

*Korkea hit rate varsinkin kun ei-suostuvaisten osuus alle 20%

*robusti menetelmä (hit rate pysyy korkealla myös ei-suostuvaisten osuus kasvaa)

*matalampi FA rate
→ paras menetelmä

Question 9

Mitkä testit reagoi huonosti kun n=8

Answer 9

SD –> ei toimi lainkaan jos lambda on liian suuri
rSD –> -II-
prctile –> -II-

Question 10

Mitkä testit toimivat parhaiten kun n=8

Answer 10

MAD ja Sn robusteja ei-suostuvaisten kasvaessa

Myös GMM varsin hyvä, jopa sensitiivisempi kuin MAD ja Sn kun ei-suostuvaisten osuus suuri (yli 33%)

Question 11

Mitä merkittävää tapahtuu menetelmille kun n=128?

Answer 11

SD - Hyvin pienillä ei-suostuvaisten osuuksilla (lambda=3) toimiva

rSD - FA rate kasvaa rajusti eli tunnistaa oikeita arvoja poikkeamiksi

Sn - Paras

Question 12

Miksi Sn on paras menetelmä poikkeavuuksien löytämiseen? Vaikuttaako iso/pieni otoskoko Sn:ään?

Answer 12

• Korkea hit rate (sensitiivisyys)
• Robusti menetelmä - sietää suuria määriä poikkeamia ja pärjää myös pienillä otoskoilla

Question 13

Mitä on muistettava menetelmää valitessa?

Answer 13

Yksittäisissä tilanteissa muut menetelmät voivat toimia yhtä hyvin tai jopa paremmin

Question 14

Mikä menetelmä on lähes yhtä hyvä kuin Sn, mutta ei kuitenkaan ole yhtä hyvä, miksi?

Answer 14

MADn lähes yhtä hyvä kuin Sn
→ ei kuitenkaan toimi vinoille jakaumille

Question 15

Mitkä kaksi menetelmää heikoimmat?

Answer 15

prctile ja SD-menetelmä

Question 16

Milloin myös heikot menetelmät (SD ja prctile) toimivat hyvin?

Answer 16

-lambda on 3
-outlierien määrä on pieni
-otoskoko iso

Question 17

Miksi outlierien automaattinen poistaminen ei ole välttämättä yleisesti suositeltavaa?

Answer 17

Poikkeavien havaintojen syistä ei voida olla varmoja ja havaintoja poistamalla saatetaan pahimmassa tapauksessa saada virheellisiä tuloksia

–> vääriä tuloksia voidaan siis saada myös muista syistä kuin vain poikkeamien takia

Question 18

Mitä pitää tehdä jos haluaa poistaa havaintoja aineistosta?

Answer 18

Sen tulee olla hyvin perusteltua ja raportoitu avoimesti