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。