188808881

设对被测量进行等精度测量，独立得到x1，x2...,xn,算出其算术平均值x及剩余误差vi=xi-x（i=1,2，...,n）,并按贝塞尔公式算出标准误差σ，若某个测量值xb的剩余误差vb（1<=b<=n）,满足下式

|vb|=|xb-x|>3σ

则认为xb是含有粗大误差值的坏值，应予剔除。

在整理试验数据时，往往会遇到这样的情况，即在一组试验数据里，发现少数几个偏差特别大的可疑数据，这类数据称为Outlier或Exceptional Data，他们往往是由于过失误差引起。

对于可疑数据的取舍要慎重。在试验进行中时，若发现异常数据，应立即停止试验，分析原因并及时纠正错误；当为试验结束后时，应先找原因，在对数据进行取舍。如发现生产（施工）、试验过程中，有可疑的变异时，该测量值则应予舍弃。

这类数据的不能清楚地判定原因时，可以借助一些统计方法进行验证处理，方法很多，

如常用的

1."拉依达准则"和"格拉布斯准则"，还有如

2.狄克逊准则，

3.肖维勒准则、

4.t检验法，

5.F检验法等。

这些方法，都有各自的特点，例如，拉依达准则不能检验样本量较小（显著性水平为0.1时，n必须大于10）的情况，格拉布斯准则则可以检验较少的数据。在国际上，常推荐格拉布斯准则和狄克逊准则。

但对于异常数据一定要慎重，不能任意的抛弃和修改。往往通过对异常数据的观察，可以发现引起系统误差的原因，进而改进过程和试验。