异常数据的判别和剔除.docVIP

异常数据的判别和剔除 在一个测量列中，误差超出极限值的测量数据称为异常数据。它的出现，往往是由于某种错误或预测不到的环境突变引起的。这些异常数据会歪曲实验或测量结果。为了使测量数据能真实地反映实际情况，需要一个鉴别异常数据的科学标准，用一定的方法去鉴别并把异常数据剔除。 鉴别异常数据的基本思想是以一定置信水平确定一个置信限，凡是超过该限度的误差就认为它不属于随机误差的范围而予以剔除。剔除一次异常数据之后，对余下的数据重新检查，直到测量列的其他数据都在规定的置信限内，才使用这些数据计算测量结果。 检验方法常见的有三种： 1 莱特检验法 | 2 格拉布斯检验法 VmaxGs(x) 3 中位数检验法 大量统计表明，当数据列中没有粗大误差时，中位数≈平均值 应用举例： 对某温度进行多次等精度测量，所得结果列于表1中，试检查数据中有无异常。 表 1 例子所用数据 序号 测得值X 残差V 序号 测得值X 残差V 序号 测得值X 残差V 1 20.42℃ +0.016℃ 6 20.43℃ -0.026℃ 11 20.42℃ +0.016℃ 2 20.43℃ +0.026℃ 7 20.39℃ -0.014℃ 12 20.41℃ +0.006℃ 3 20.40℃ -0.004℃ 8 20.30℃ -0.104℃ 13 20.39℃ -0.014℃ 4 20.43℃ +0.026℃ 9 20.4