Vous pouvez choisir entre plusieurs méthodes statistiques pour identifier et ajuster les valeurs aberrantes et remplir les valeurs manquantes.
Pour sélectionner une méthode de détection des valeurs aberrantes, procédez comme suit :
Dans le volet Attributs des données, cliquez sur Afficher les données filtrées.
La boîte de dialogue Données historiques - Filtrage des données s'ouvre.
Dans l'onglet Données historiques – Filtrage des données, cliquez sur Options d'analyse.
La boîte de dialogue Options d'analyse des données s'ouvre.
Sélectionnez une méthode de détection et entrez une valeur de seuil associée.
Vous pouvez sélectionner les valeurs aberrantes à l'aide de la moyenne et de l'écart-type, de l'écart médian et de l'écart médian absolu (MAD) ou de l'écart médian et de l'écart interquartile (IQD). Pour obtenir une description de chaque méthode, reportez-vous aux sections Predictor du guide Oracle Crystal Ball Reference and Examples Guide (disponible en anglais uniquement). La valeur par défaut est Moyenne et écart-type, avec un écart-type de 3.
Pour choisir une méthode pour ajuster les valeurs aberrantes et remplir les valeurs manquantes, procédez comme suit :
Affichez la boîte de dialogue Options d'analyse des données comme décrit dans les étapes 1 et 2 ci-avant.
La méthode Interpolation de spline cubique calcule une courbe continue lisse qui passe par chaque point de données. Elle évalue la totalité de l'ensemble de données.
La méthode Interpolation des voisins examine les valeurs de chaque côté de la valeur à ajuster ou à remplir et calcule cette dernière à partir de la moyenne ou de la médiane des voisins indiqués.
Pour plus d'informations sur chaque méthode, reportez-vous aux sections Predictor du guide Oracle Crystal Ball Reference and Examples Guide (disponible en anglais uniquement).
Si vous sélectionnez Interpolation des voisins, indiquez le nombre de voisins à évaluer de chaque côté de la valeur cible et sélectionnez une statistique.