异常值的处理方法分析及其应用

产品研制试验过程中提出的不少问题均涉及到统计分析中异常子样的处理。对于异常子样,最好能分析出明确的物理或工程技术方面的原因,然后决定取舍。但如果这种分析极其困难,甚至无法进行下去,那么,数理统计中异常子样的处理方法可以帮助我们决定子样的取舍。本文首先对Chauvenet方法进行反设计,同时介绍两种更好的异常子样处理方法,这两种方法在文献[1]、[2]中只给出了犯α错误的概率,而没有涉及β错误。本文试图通过蒙特卡罗试验对β错误进行初步分析,从而比较出它们的鉴别能力。最后以实际问题作了应用举例。