Using the Q Test to Flag Outlier Data

The Q test helps identify outlier data points that sit far from the rest of a data set. In high school lab work, this can help students decide whether an unusual value should stay in the data or be removed. Outliers often come from gross errors, or human mistakes, and may not reflect the real result being measured.

异常值是那些与数据集的其余部分截然不同的数据点。

Dixon 的 Q 检验是一种显著性检验，可帮助确定是保留还是拒绝数据集中的这些不一致的数据点。

从数学上讲，Q 检验统计量是离群值与其最近数据点之间的绝对差与总体范围之间的绝对差值之比。

然后将 Q 检验统计量或拒绝商与特定显著性水平和自由度的表格化临界 Q 值进行比较。

当拒绝商等于或大于制表值时，将拒绝原假设，并且可以拒绝可疑的异常值。

相反，当实验值小于表格中的 Q 值时，原假设被接受。然后，需要在数据集中保留可疑的异常值。