Dixon 检验法判断正态分布离群值——原理和 Python 实现

最新推荐文章于 2024-06-27 23:09:19 发布

zhuo木鸟

最新推荐文章于 2024-06-27 23:09:19 发布

阅读量6.9k

点赞数 3

分类专栏：数理统计文章标签： Dixon 检验正态分布离群值

本文链接：https://blog.csdn.net/weixin_42141390/article/details/118250099

版权

本文介绍了Dixon检验法用于判断正态分布数据中离群值的原理和Python实现，涉及单侧和双侧检验，通过比较统计量与临界值确定离群值，并纠正了GB/T 4883-2008标准中的错误。

摘要由CSDN通过智能技术生成

本文主要根据 GB/T 4883-2008 的 7.3 条款写成。

记样本为 $x_1, x_2, \cdots, x_n$ ，n 为样本容量，按照升序排序，得到持续统计量为 $x_{(1)}, x_{(2)}, \cdots, x_{(n)}$

Dixon 检验——单侧检验

原理步骤

Dixon 检验一般是根据可能离群值，和离它最接近的值的距离，以及整个样本的跨度，来判断该值是否为离群值。这些可能离群值，需要接收判断的值，有时候也叫歧离值。

Dixon 检验一般用在 [3,30] 时，比较有效。因此，本文主要讨论 [3, 30] 的情况。

Dixon 检验的检验统计量为（ $D_n$ 为上侧检验时的统计量， $D_n^\prime$ 为下侧检验时的统计量）：
$D_n = r_{10} = \frac{x_{(n)} - x_{(n-1)}} {x_{(n)} - x_{(1)}} \text{~~~~~~} 3 \leq n \leq 7 \\ \text{ }\\ D_n^\prime = r^\prime_{10} = \frac{x_{(2)} - x_{(1)}} {x_{(n)} - x_{(1)}} \text{~~~~~~} 3 \leq n \leq 7 \\ \text{ }\\ D_n = r_{11} = \frac{x_{(n)} - x_{(n-1)}} {x_{(n)} - x_{(2)}} \text{~~~~~~} 8 \leq n \leq10 \\ \text{ } \\ D_n^\prime = r^\prime_{11} = \frac{x_{(2)} - x_{(1)}} {x_{(n-1)} - x_{(1)}} \text{~~~~~~} 8 \leq n \leq 10 \\ \text{ }\\ D_n = r_{21} = \frac{x_{(n)} - x_{(n-2)}} {x_{(n)} - x_{(2)}} \text{~~~~~~} 11 \leq n \leq13 \\ \text{ } \\ D_n^\prime = r^\prime_{21} = \frac{x_{(3)} - x_{(1)}} {x_{(n-1)} - x_{(1)}} \text{~~~~~~} 11 \leq n \leq 13 \\ \text{ }\\ D_n = r_{22} = \frac{x_{(n)} - x_{(n-2)}} {x_{(n)} - x_{(3)}} \text{~~~~~~} 14 \leq n \leq30 \\ \text{ } \\ D_n^\prime = r^\prime_{22} = \frac{x_{(3)} - x_{(1)}} {x_{(n-2)} - x_{(1)}} \text{~~~~~~} 14 \leq n \leq 30 \\$