格拉布斯检验是一种统计检验，可用于识别数据集中是否存在异常值。要使用此检验，您正在分析的数据集必须近似正态分布，并且理想情况下必须包含至少 7 个观测值。

注意：如果您认为数据集中存在多个离群值，则应使用广义极端学生差距检验来代替离群值。

如果您认为数据集中的最大值是异常值，则检验统计量的计算方式如下：

G = (x最大值– x ) / s

如果您认为数据集中的最小值是异常值，则检验统计量的计算方式如下：

G = ( x – x最小值) / s

而如果不确定数据集的最大值或最小值是否为异常值，想要进行双尾检验，则检验统计量计算如下：

G = 最大值|x i – x | /秒

其中x是样本均值， s是样本标准差。

测试的临界值计算如下：

G临界= (n-1)t临界/ √[n(n-2 + t 2临界)]

其中 t Critical是自由度为 n-2 的 t 分布的临界值，单侧检验的显着性水平为 α/n，双边检验的显着性水平为 α/(2n)。

确定值 60 是否为以下数据集中的异常值：

步骤1：首先，我们需要确保数据近似正态分布。为此，我们可以创建一个直方图来验证分布是否大致呈钟形。以下屏幕截图显示了如何使用数据分析工具库在 Excel 中创建直方图：

从直方图中我们可以看出数据近似正态分布。这意味着我们可以进行格拉布斯检验。

步骤 2：接下来，我们将执行 Grubbs 检验来确定值 60 是否确实是数据集中的异常值。下面的屏幕截图显示了用于执行格拉布斯测试的公式：

单元格 D4 中的检验统计量G为3.603219 。

单元格 D11 中的临界值为2.556581 。由于检验统计量大于临界值，这意味着值 60 确实是该数据集中的异常值。

如果 Grubbs 检验识别出数据集中的异常值，您有多种选择：

无论您决定如何处理异常值，在提出分析的最终结论时一定要注意它。

大家好，我是本杰明，一位退休的统计学教授，后来成为 Statorials 的热心教师。 凭借在统计领域的丰富经验和专业知识，我渴望分享我的知识，通过 Statorials 增强学生的能力。了解更多