Adattisztítás

Ez a szócikk nem tünteti fel a független forrásokat, amelyeket felhasználtak a készítése során. Emiatt nem tudjuk közvetlenül ellenőrizni, hogy a szócikkben szereplő állítások helytállóak-e. Segíts megbízható forrásokat találni az állításokhoz! Lásd még: A Wikipédia nem az első közlés helye.

Az adattisztítás a statisztikai adatfeldolgozás bevezető lépéseinek egyike.

Az adattisztítás során

felmérjük a hibákat
- ellenőrizzük az adatfájl szerkezeti épségét
- felmérjük a hiányzó értékeket
- felmérjük az adatközlési és adatbeviteli hibákat
  - megvizsgáljuk az egyes változók eloszlását
    - az eloszlások szélein elhelyezkedő extrém értékeket ellenőrizzük
    - felmérjük, hogy az eloszlások megfelelnek-e az előzetes elvárásainknak, vannak-e nem várt sűrűsödések, ritkulások egyes értéktartományokban (például durva kerekítés vagy eltérő mértékegység használata az adatszolgáltatók egy részénél)
  - megvizsgáljuk, hogy a változók közötti triviális összefüggések teljesülnek-e (például vizsgálat dátuma ≥ születés dátuma)
a hibásnak tűnő adatokat felülvizsgáljuk, javítjuk.