版权声明：本文为博主原创文章，转载请在文章开头注明出处，作者：ChenVast；原文链接： https://blog.csdn.net/ChenVast/article/details/82798867
对统计数据分析，异常数据检测以及排除时，主要有两种方法：物理判别法和统计判别法
- 物理判别法：人们对客观事物已有的认识，判别由于外界干扰、人为误差等原因造成实测数据值偏离正常结果，在实验过程中随时判断，随时剔除。
- 统计判别法：给定一个置信概率，并确定一个置信限，凡超过此限的误差，就认为它不属于随机误差范围，将其视为异常值剔除。当物理识别不易判断时，一般采用统计识别法。
本人对其汇总几篇文章
- 拉依达准则( PauTa Criterion 或 3σ准则) 处理异常数据
- 肖维勒准则（Chauvenet Criterion）处理异常数据
- 狄克逊准则（Dixon Criterion）处理异常数据
- 格拉布斯准则（Grubbs Criterion）处理数据异常
- 皮尔士准则（Peirce Criterion）处理异常数据
- 卡方检验（chi-squared test）处理异常数据
- T检验或T测试(T-test)
后续会增加该系列文章。