格拉布斯准则的实现

资 源 简 介

格拉布斯准则的实现

详 情 说 明

格拉布斯准则是一种用于检测数据集中异常值的统计方法，特别适用于小样本量的数据分析场景。该准则通过计算样本值与均值的标准化偏差来判断是否存在异常值。

其核心实现逻辑可分为以下步骤：

数据预处理 首先对输入序列进行排序，计算序列的均值（μ）和标准差（σ），这两个指标是后续判断的基础。

计算格拉布斯统计量 对于序列中的每一个值，计算其与均值的绝对偏差，并除以标准差，得到标准化后的格拉布斯统计量（G值）。

确定异常值 将最大的G值与格拉布斯临界值表（或通过算法动态计算）进行对比。如果G值超过临界值，则认为对应的数据点为异常值，并将其剔除。

结果输出 最终输出包含两个部分：经过清洗后的数据集（result）和被剔除的异常值（except）。

应用场景 格拉布斯准则常用于实验数据分析、传感器数据清洗等场景，能够有效识别因测量误差或系统异常导致的离群点，提高后续分析的准确性。

注意事项 格拉布斯准则假设数据近似服从正态分布，因此在非正态数据中可能效果不佳。 每次只能检测一个异常值，若存在多个异常点，需迭代应用该准则。