Критерии обнаружения и корреляции аномалий

Помимо различных скучных и привычных как чистка зубов по утрам критериев для проверки среднего, дисперсии и нормальности, есть и критерии, которые позволяют творить настоящие чудеса — определять наличие аномалий в каких-то графиках и корреляции между величинами. Естественно, что корреляции можно найти между чем угодно (например, между ростом расходов США на науку и количеством самоубийств), но это только один из примеров того, что корреляция не предполагает логическую зависимость. Помимо этого есть возможность понять что что-то идёт не так. Не иметь жалкие подозрения, а действительно подтвердить свои мысли результатами проверки критериев.

Собственно сами критерии:

Среднее отклонение (mean absolute deviation)
Тест Граббса (Grubbs’ test). Использует проверку отклонения от нормального распределения.
Критерий Аббе-Линника,  предназначенный для проверки гипотезы о том, что все выборочные значения принадлежат одной генеральной совокупности с постоянным средним против альтернативы тренда.
Критерий Фостера-Стюарта, предназначенный для проверки тренда как средних, так и дисперсий.
Критерий Кокса-Стюарта, который предназначен для проверки тренда средних и дисперсий в последовательности наблюдений.
Среднеквадратическое отклонение от средней (standard deviation from average);
Среднеквадратическое отклонение от скользящей средней (standard deviation from moving average);
Метод наименьших квадратов (least squares);
Выбросы на гистограмме(histogram bins);
Критерий согласия Колмогорова (K–S test).

Что ещё можно прочитать

Kale — open source-инструмент для обнаружения и корреляции аномалий

Statistics for Monitoring: Correlation and Clustering

Statistics for Monitoring: Anomaly Detection (Part 1)

Statistics for Monitoring: Anomaly Detection (Part 2)