グラブズの外れ値検定計算機の機能
この計算機は、測定値のリストに対してグラブズの検定(最大正規化残差検定とも呼ばれます)を適用します。最大値、最小値、または平均から最も離れた値が単一の外れ値かどうかを確認します。G統計量、指定した有意水準における臨界値、そして棄却・非棄却の判定を返します。疑わしい1つの測定値を手早く確認する必要がある分析担当者、技術者、学生に適しています。この手法はNIST/SEMATECH e-Handbookの定義に従っています。
使い方
データ値を入力してください。スペース、改行、またはセミコロンで区切った3つ以上の数値を入力し、小数点にはピリオドを使用します。検定の種類を選択します:最大値(片側)、最小値(片側)、または最も極端な値(両側)。有意水準アルファを0と1の間(通常は0.05)で設定します。結果には、疑わしい値、N、平均、標本標準偏差、G、臨界値、判定が表示されます。
計算式
標本\(Y_1,\dots,Y_N\)、平均\(\bar Y\)、標本標準偏差\(s\)について、統計量は検定の種類によって次のように定義されます:
$$G=\frac{\max|Y_i-\bar Y|}{s}\quad\text{(両側)},\qquad G=\frac{Y_{max}-\bar Y}{s},\qquad G=\frac{\bar Y-Y_{min}}{s}$$
臨界値は次のとおりです:
$$G_{crit}=\frac{N-1}{\sqrt{N}}\sqrt{\frac{t^2}{N-2+t^2}}$$
ここで\(t\)は自由度\(N-2\)のスチューデントのt分布における上側臨界値であり、両側検定では\(P(T>t)=\alpha/(2N)\)、片側検定では\(\alpha/N\)です。外れ値がないという帰無仮説は、\(G>G_{crit}\)のときに棄却されます。
前提と仮定
- 標準偏差は分母が\(N-1\)の標本標準偏差です。これによりNISTの例と一致します。
- 判定は厳密です。Gが臨界値と等しい場合は棄却されません。
- t分位点は、正則化不完全ベータ関数から相対許容誤差\(10^{-12}\)まで数値的に求められます。
- 計算は倍精度で行い、Gと臨界値は小数点以下4桁で表示されます。
- この検定は外れ値が1つだけの場合に適用されます。複数の外れ値が疑われる場合は、Tietjen-Moore検定または一般化ESD検定を使用してください。
- データはほぼ正規分布に従っている必要があります。3個から5000個までの値を受け付けますが、すべてが同一であってはなりません。
計算例
NISTのウラン同位体データは、199.31、199.53、200.19、200.82、201.92、201.95、202.18、245.57です。これを\(\alpha=0.05\)で最大値として検定します。ここで\(N=8\)、\(\bar Y=206.43375\)、\(s=15.852564\)です。
$$G=\frac{245.57-206.43375}{15.852564}=2.4688$$
裾確率は\(\alpha/N=0.05/8=0.00625\)であり、臨界値は次のとおりです:
$$G_{crit}=2.0317$$
\(2.4688>2.0317\)のため、H0は棄却されます。245.57は外れ値と判定されます。
結果の読み方と制限事項
棄却とは、選択した水準において、疑わしい値が他の値と同じ正規母集団から生じた可能性が低いことを意味します。値がなぜ極端なのかは示されません。値を除外する前に、記録の誤りや実際の工程の変化がないかを確認してください。非棄却とは、外れ値の証拠が十分でないことを意味します。標本が小さい場合は検出力が低くなります。2つ目の極端な値が存在すると、マスキングにより外れ値が隠れることがあります。誤り率が変わるため、同じデータセットに対してこの検定を繰り返し適用しないでください。
よくある質問
両側オプションはいつ使うべきですか?
疑わしい値がデータの両端のどちらにもなり得る場合に使用します。データを見る前に、高い値または低い値のどちらか一方のみが問題だと判断している場合にのみ片側検定を使用してください。
臨界値がアルファをNで割った値に基づくのはなぜですか?
この検定はN個の値のうち最も極端な値を見るため、全体の誤り率をアルファに保つためにボンフェローニ型の調整が用いられます。
外れ値が2つあると思う場合はどうすればよいですか?
グラブズの検定が扱えるのは1つだけです。代わりにTietjen-Moore検定または一般化ESD検定を使用してください。
データがほぼ正規分布である必要があるのはなぜですか?
臨界値は、観測値が正規分布に従うと仮定するt分布から導かれます。歪んだデータは誤った外れ値を生じさせることがあります。
Gの最大値はいくつですか?
\((N-1)/\sqrt{N}\)です。N = 3の場合は1.1547となり、臨界値はこの上限に近くなります。
出典
- 1.3.5.17.1. Grubbs' Test for Outliers – NIST/SEMATECH e-Handbook of Statistical Methods