实验数据坏点如何处理

Ⅰ 测试中的异常数据剔除用什么方法

统计学中剔除异常数据的方法很多，但在检测和测试中经常用的方法有2种：

1-拉依达准则(也称之为3σ准则)：

很简单，就是首先求得n次独立检测结果的实验标准差s和残差，│残差│大于3s的测量值即为异常值删去，然后重新反复计算，将所有异常值剔除。

但这个方法有局限，数据样本必须大于10，一般要求大于50。所以，这个方法现在不常用了，国标里面已经剔除该方法！

2-格拉布斯准则（Grubbs）：

这个方法比较常用，尤其是我们检测领域。

方法也很简单，还是首先求得n次独立检测结果的实验标准差s和残差，│残差│/s的值大于g(n)的测量值即为异常值，可删去；同样重新反复计算之，将所有异常值剔除。

g(n)指临界系数,可直接查表获得. 95%的系数可参见下表：

Ⅱ 本科毕业论文出来的实验数据不好怎么办

检查与实验相关的过程

与实验有关的过程直接影响实验结果，相对来说具体形象，容易分析。分析的目的是确保你设计的实验是可以用来检验假设的，并且获得的实验结果是可靠的。

需要检查的与实验相关的过程包括三方面：实验设计的合理性、实验数据的可靠性、数据分析的合理性。

丢失重要数据

也许由于实验室出现问题或存储数据的硬盘出现技术问题等，你丢失了大量对项目至关重要的数据。

首先，你应该请教导师，询问解决方法。在你有时间、有资源的情况下，可以考虑重新进行数据收集或实地考察，再次获取这些数据。

如果无法重新收集数据，那么可以与导师讨论如何把数据丢失纳入项目，成为研究的一部分。例如，如果是由于你所使用的某种研究方法导致数据丢失（比如，一个实验出现重大错误，导致部分数据被破坏），那就会引发非常耐人寻味、同时也十分重要的讨论。你可以研究并讨论数据丢失和错误的研究方法所带来的影响，这样也能够向该领域贡献有价值的原创知识。