异常值概念
异常值是指一组测定值中与平均值的偏差超过两倍标准差的测定值,与平均值的偏差超过三倍标准差的测定值,称为高度异常的异常值。
在处理数据时,应剔除高度异常的异常值。异常值是否剔除,视具体情况而定。在统计检验时,指定为检出异常值的显著性水平α=0.05,称为检出水平;指定为检出高度异常的异常值的显著性水平α=0.01,称为舍弃水平,又称剔除水平。
异常值判断
判断异常值的规则:
(1)标准差已知——奈尔(Nair)检验法;
(2)标准差未知——格拉布斯(Grubbs)检验法和狄克逊(Dixon)检验法。
异常值检验
1.格拉布斯(Grubbs)检验法
(1)计算统计量
μ=(X1+X2+…+Xn)/n
s=(∑(Xi-μ)/(n-1))½(i=1,2…n)
Gn=(X(n)-μ)/s
式中μ——样本平均值;
s——样本标准差;
Gn——格拉布斯检验统计量。
(2)确定检出水平α,查表(见GB4883)得出对应n,α的格拉布斯检验临界值G1-α(n)。
(3)当Gn>G1-α(n),则判断Xn为异常值,否则无异常值。
(4)给出剔除水平α’的G1-α’(n),当当Gn>G1-α’(n)时,Xn为高度异常值,应剔除。
2.正态分布判断
根据正态分布的定义可知,距离平均值3δ之外的概率为 P(|x-μ|>3δ) <= 0.003 ,这属于极小概率事件,在默认情况下我们可以认定,距离超过平均值3δ的样本是不存在的。 因此,当样本距离平均值大于3δ,则认定该样本为异常值。
3. 箱线图判断异常值
超出箱线图上下四分位数的数值点视为异常值。
4. 回归线附近判断
数据整体围绕在回归线周围,那偏离回归线的可能较大概率是异常值。
5.库克距离判断异常值
通过库克距离得出数据记录中的那些数值是异常值。