格拉布斯准则的应用

• 前言
• 一、格拉布斯准则是什么li>
• • 1.Gi值
  • 2.格拉布斯临界值表
• 二、使用步骤
• • 1.引入代码
  • 2.使用Outliers_Remover函数
  • 3.注意事项
• 总结

前言

大家好，我又回来了ヽ(￣▽￣)?

这次所带来的是格拉布斯(Grubbs)临界值表的应用

在我想比较两个数组的平均数的时候，发现一组数中非常大的数字会相当影响该组数的平均数，然后我也不想用中位数来进行代替￣へ￣

所以，我就在想有什么科学的方法，能认定什么是一组数中非常大的数字（也就是异常值），然后我就可以把它剔除出去了(￣▽￣)~*

果不其然，前人的智慧当中有“格拉布斯准则”这么一个很科学的方法剔除异常值

所以让我们话不多说，开始我们的讲解吧(*￣︶￣)

一、格拉布斯准则是什么h1>

相信大家都可以在 络上找到相关的具体知识，在此就不在赘述。

总 络上的知识而言之，就是计算Gi值与格拉布斯临界值表上所对应的值GP(n)相比较，若Gi值大于GP(n)值则为异常，反之则不为异常

1.Gi值

Gi值的计算是该数字的残差除于标准差
$$Gi=\frac{x_i?\bar{x}}{s}$$

2.格拉布斯临界值表

我是在百度文库上找的图表，点击下方超链接浏览
格拉布斯临界值表

或复制链接自行浏览
https://wenku.baidu.com/view/cfce6d64c381e53a580216fc700abb68a882ad48.html

二、使用步骤

1.引入代码

2.使用Outliers_Remover函数

• 首先创建个明显具有异常值的列表
• 然后给该函数传入需要去除异常值的列表
• 输出经过去除异常值操作的列表
• 输出结果
  

3.注意事项

• 由于我个人的原因，该函数目前只支持长度为17的列表。

  因为我太懒了︿(￣︶￣)︿

• Outliers_Remover函数的第二个参数为置信等级为1至5的整数，可以不用传入，默认为1。

  • 置信等级为1，则是相对应格拉布斯临界值表的90.00%的置信概率
  • 置信等级为2，则是相对应格拉布斯临界值表的95.00%的置信概率
  • 置信等级为3，则是相对应格拉布斯临界值表的97.50%的置信概率
  • 置信等级为4，则是相对应格拉布斯临界值表的99.00%的置信概率
  • 置信等级为5，则是相对应格拉布斯临界值表的99.50%的置信概率

总结

以上就是我对于格拉布斯准则的理解与应用，希望能对你们有所帮助ヾ(????)?”

文章知识点与官方知识档案匹配，可进一步学习相关知识Python入门技能树首页概览214813 人正在系统学习中