粗大误差

粗大误差

粗大误差是由于测量人员的粗心大意、仪器故障或环境突变等导致测量结果明显偏离真值的误差。含有粗大误差的数据必须被剔除。在对测量数据进行误差处理时，首先要完成粗大误差的处理，然后才是系统误差和随机误差的处理。

处理方法

粗大误差的判别基于统计准则，常用的有三种：

• 拉依达准则（3σ准则）：以3倍标准差为极限误差，适用于测量次数较多（n≥10）的情况。
• 肖维勒准则：以Zcσ为阈值，Zc值与测量次数n相关，较3σ准则更细化。
• 格拉布斯准则：以Gσ为阈值，G值与测量次数n和置信概率Pa相关，需迭代剔除。

方法论意义

粗大误差处理体现了"去粗取精、去伪存真"的数据预处理方法论，即除去杂质、留取精华。该方法也常用于信息安全领域中异常行为数据的识别和处理。