Uitschietertoets (Outlier Test)
Een uitschietertoets (Outlier Test) spoort statistisch waarnemingen in een dataset op die ongewoon ver van het grootste deel van de gegevens liggen — waarden zo extreem dat ze waarschijnlijk niet uit hetzelfde onderliggende proces of dezelfde populatie komen. Uitschieters opsporen is een belangrijke stap in de controle van de gegevenskwaliteit, omdat één extreme waarde gemiddelden kan vertekenen, standaardafwijkingen kan opblazen en de resultaten van capabiliteitsanalyse, regressie en hypothesetoetsen aanzienlijk kan beïnvloeden.
Laatst beoordeeld
Belangrijkste conclusie
Een uitschietertoets (Outlier Test) spoort statistisch waarnemingen op die ongewoon ver van het grootste deel van de gegevens liggen, waarden zo extreem dat ze waarschijnlijk niet uit hetzelfde proces of dezelfde populatie komen.
Op deze pagina
Wat is een uitschietertoets?
Een uitschietertoets (Outlier Test) spoort statistisch waarnemingen in een dataset op die ongewoon ver van het grootste deel van de gegevens liggen — waarden zo extreem dat ze waarschijnlijk niet uit hetzelfde onderliggende proces of dezelfde populatie komen. Uitschieters opsporen is een belangrijke stap in de controle van de gegevenskwaliteit, omdat één extreme waarde gemiddelden kan vertekenen, standaardafwijkingen kan opblazen en de resultaten van capabiliteitsanalyse, regressie en hypothesetoetsen aanzienlijk kan beïnvloeden.
De meest gebruikte methode is de Grubbs-toets (ook de ESD-toets genoemd — Extreme Studentized Deviate), die toetst of de meest extreme waarde in de dataset significant verschilt van de rest.
Eenvoudige definitie:Een formele statistische toets die nagaat of gegevenspunten zo extreem zijn dat ze waarschijnlijk niet tot hetzelfde proces behoren — zodat u kunt beslissen of u verdachte waarden onderzoekt of verwijdert.
Wanneer gebruikt u een uitschietertoets?
- Gebruik haar wanneer u vermoedt dat er ongewone waarden aanwezig zijn in uw dataset, voordat u capabiliteitsanalyse, regressie of hypothesetoetsen uitvoert.
- Gebruik haar tijdens het opschonen en valideren van gegevens om de integriteit van de gegevens te bevestigen voordat u procesbeslissingen neemt.
- Gebruik haar wanneer een individueel gegevenspunt op een histogram of regelkaart visueel extreem lijkt en u een formele toets nodig hebt om te bevestigen of het statistisch ongewoon is.
- Gebruik haar wanneer meetfouten, invoerfouten of gebeurtenissen met een speciale oorzaak atypische waarden in de dataset kunnen hebben gebracht.
Richtlijnen voor correct gebruik van de uitschietertoets
- De gegevens moeten bij benadering normaal verdeeld zijn — de Grubbs-toets veronderstelt normaliteit en presteert mogelijk niet betrouwbaar op sterk scheve gegevens.
- Verwijder gemarkeerde uitschieters nooit automatisch zonder onderzoek — bepaal altijd of de uitschieter een echte procesgebeurtenis, een meetfout of een invoerfout vertegenwoordigt.
- Toets bij de Grubbs-toets op één uitschieter tegelijk — één uitschieter verwijderen en opnieuw toetsen is betrouwbaarder dan tegelijk op meerdere uitschieters toetsen.
- Documenteer alle verwijderde uitschieters, samen met de motivering voor de verwijdering — dit is cruciaal voor audittrails en kwaliteitsregistraties.
- Stel alfa in op 0.05 als standaardwaarde — een p-waarde onder 0.05 geeft aan dat de gemarkeerde waarde statistisch ongewoon is.
Alternatieven: wanneer u de uitschietertoets niet gebruikt
- Als de gegevens niet normaal verdeeldzijn, gebruik dan robuuste methoden voor uitschieterdetectie zoals de IQR-methode of de mediane absolute afwijking.
- Als u de spreiding van de gegevens visueel wilt bekijken in plaats van een formele toets, gebruik dan een Boxplot of Individual Value Plot
- Als meerdere uitschieters worden verwacht, gebruik dan de gegeneraliseerde ESD-toets (Extreme Studentized Deviate) in plaats van herhaalde Grubbs-toetsen voor één uitschieter.
- Als de uitschieter het gevolg is van een bekende gebeurtenis met een speciale oorzaak, behandel hem dan als een processignaal en onderzoek hem met regelkaarten in plaats van hem simpelweg te verwijderen.
Voorbeeld van een uitschietertoets
Een kwaliteitsingenieur bij een bedrijf dat houten handgrepen maakt, test de sterkte van een aselecte steekproef bezemstelen. De ingenieur registreert de kracht die nodig is om elke steel te breken. De ingenieur maakt een grafiek van de gegevens en merkt op dat een van de waarden in de steekproef ongewoon klein lijkt. De toets verloopt in de volgende stappen:
- De benodigde gegevens verzamelen.

- Analyseer de gegevens nu in Zometric Statistical Software op https://statsai.zometric.com/.
- Kies om Outlier test te vinden Statistical module> Hypothesis Test> Outlier test.
- Voer in de tool de gegevens samen met de andere invoer als volgt in:

5. Na gebruik van de bovengenoemde tool verschijnt de uitvoer als volgt:


Zo voert u een uitschietertoets uit
De stappen zijn als volgt:
- Log in bij Zometric Statistical Software op https://statsai.zometric.com/
- Kies op de startpagina Statistical Tool> Hypothesis Test >Outlier test .
- Voer vervolgens de gegevens handmatig in, of kopieer (Ctrl+C) de gegevens volledig uit een Excel-blad en plak (Ctrl+V) ze hier.
- Vul de vereiste opties in.
- Klik ten slotte onderaan de pagina op Calculate en u krijgt de gewenste resultaten.
Op het dashboard van Outlier test is het venster in twee delen verdeeld.

Links staat het Data Pane. In het Data Pane vormt elke rij één subgroep. U kunt de gegevens handmatig invoeren, of ze volledig kopiëren (Ctrl+C) uit een Excel-blad en hier plakken (Ctrl+V).
Load example: Voorbeeldgegevens worden geladen.
Load File: Hiermee laadt u de Excel-gegevens rechtstreeks.
Rechts staan veel opties, als volgt:
- Variables: Selecteer de kolom(men) met de continue gegevens die u op uitschieters wilt toetsen. Gebruik Ctrl of Command + klik om meerdere kolommen te selecteren als u meerdere variabelen tegelijk wilt controleren. Elke geselecteerde kolom wordt onafhankelijk getoetst — de tool evalueert elke variabele afzonderlijk en meldt of er in elke dataset statistisch extreme waarden aanwezig zijn.
- Significance Level: Stelt de drempel in om te bepalen of een gemarkeerde waarde een statistisch significante uitschieter is. De standaardwaarde is 0.05, wat betekent dat er een risico van 5% is om een normaal gegevenspunt ten onrechte als uitschieter aan te merken terwijl er in werkelijkheid geen is. Een lager significantieniveau (bijv. 0.01) maakt de toets conservatiever en vermindert valse alarmen, maar kan echte uitschieters missen. Een hoger niveau (bijv. 0.10) maakt de toets gevoeliger, maar vergroot de kans dat waarden worden gemarkeerd die gewoon bij de natuurlijke procesvariatie horen.
- Outlier Test: Grubbs De Grubbs-toets is de statistische methode om uitschieters te herkennen. Zij berekent hoeveel standaardafwijkingen de meest extreme waarde in de dataset van het gemiddelde ligt en vergelijkt die afstand met een kritieke waarde die afhangt van de steekproefomvang en het significantieniveau. Als de meest extreme waarde de kritieke drempel overschrijdt, wordt zij gemarkeerd als een statistisch significante uitschieter.
- De Grubbs-toets veronderstelt dat de gegevens bij benadering normaal verdeeld zijn en toetst één uitschieter tegelijk — zij herkent de ene meest extreme waarde in de dataset. Als die waarde wordt bevestigd en verwijderd, kan de toets op de resterende gegevens worden herhaald om op aanvullende uitschieters te controleren. Het is de meest algemeen aanvaarde en meest gebruikte methode voor uitschieterdetectie bij normaal verdeelde continue gegevens.
- Outlier Plot: Indien ingeschakeld, toont deze een plot van de gegevens met de vermoedelijke uitschieter duidelijk gemarkeerd. De plot toont alle gegevenspunten langs een schaal, zodat u direct ziet hoe ver de gemarkeerde waarde van de rest van de gegevens ligt. Deze visuele bevestiging is belangrijk omdat zij u helpt te beoordelen of de uitschieter een echte extreme waarde is of gewoon een waarneming in de natuurlijke staart van de verdeling — en ondersteunt zo een beter onderbouwde beslissing om het gemarkeerde punt te onderzoeken of te behouden.
Veelgestelde vragen
Wat is een uitschietertoets?
Een uitschietertoets spoort statistisch waarnemingen op die ongewoon ver van de rest van de gegevens liggen, zo extreem dat ze waarschijnlijk niet uit hetzelfde proces of dezelfde populatie komen. Het is een belangrijke stap voor de gegevenskwaliteit, omdat één extreme waarde gemiddelden kan vertekenen, standaardafwijkingen kan opblazen en capabiliteitsanalyse, regressie en hypothesetoetsen kan beïnvloeden.
Hoe werkt de Grubbs-toets?
De Grubbs-toets, ook de ESD-toets (Extreme Studentized Deviate) genoemd, berekent hoeveel standaardafwijkingen de meest extreme waarde van het gemiddelde ligt en vergelijkt die afstand met een kritieke waarde die afhangt van de steekproefomvang en het significantieniveau. Als de afstand de drempel overschrijdt, wordt de waarde gemarkeerd als een statistisch significante uitschieter.
Wat zijn de aannames van de Grubbs-uitschietertoets?
De gegevens moeten bij benadering normaal verdeeld zijn, omdat de Grubbs-toets mogelijk niet betrouwbaar presteert op sterk scheve gegevens. Zij toetst één uitschieter tegelijk; als een waarde wordt bevestigd en verwijderd, kan de toets op de resterende gegevens worden herhaald. Gebruik voor niet-normale gegevens robuuste methoden zoals de IQR-methode of de mediane absolute afwijking.
Moet u uitschieters verwijderen die een uitschietertoets vindt?
Verwijder gemarkeerde uitschieters nooit automatisch. Bepaal eerst of de waarde een echte procesgebeurtenis, een meetfout of een invoerfout weergeeft, en documenteer alle verwijderde uitschieters met de motivering. Als een uitschieter uit een bekende speciale oorzaak komt, behandel hem dan als een processignaal en onderzoek hem met regelkaarten.
