Что делает калькулятор теста Граббса на выбросы
Этот калькулятор применяет тест Граббса, также известный как тест на максимальный нормированный остаток, к списку измерений. Он проверяет, является ли наибольшее значение, наименьшее значение или значение, наиболее удалённое от среднего, единичным выбросом. Калькулятор выдаёт статистику G, критическое значение для вашего уровня значимости и решение об отклонении или неотклонении гипотезы. Он подходит лабораторным аналитикам, инженерам и студентам, которым нужна быстрая проверка одного подозрительного результата. Метод соответствует определению из электронного справочника NIST/SEMATECH e-Handbook.
Как пользоваться
Введите значения данных: не менее 3 чисел, разделённых пробелами, переносами строк или точкой с запятой, с точкой в качестве десятичного разделителя. Выберите тип теста: максимум (односторонний), минимум (односторонний) или наиболее экстремальное значение (двусторонний). Задайте уровень значимости alpha, строго между 0 и 1, обычно 0,05. Результат показывает подозрительное значение, N, среднее, выборочное стандартное отклонение, G, критическое значение и решение.
Формула
Для выборки \(Y_1,\dots,Y_N\) со средним \(\bar Y\) и выборочным стандартным отклонением \(s\) статистика зависит от типа теста:
$$G=\frac{\max|Y_i-\bar Y|}{s}\quad\text{(двусторонний)},\qquad G=\frac{Y_{max}-\bar Y}{s},\qquad G=\frac{\bar Y-Y_{min}}{s}$$
Критическое значение равно:
$$G_{crit}=\frac{N-1}{\sqrt{N}}\sqrt{\frac{t^2}{N-2+t^2}}$$
Здесь \(t\) — верхний критический квантиль распределения Стьюдента с \(N-2\) степенями свободы, где \(P(T>t)=\alpha/(2N)\) для двустороннего теста и \(\alpha/N\) для односторонних тестов. Нулевая гипотеза об отсутствии выброса отклоняется, когда \(G>G_{crit}\).
Соглашения и допущения
- Стандартное отклонение берётся в выборочной форме с \(N-1\) в знаменателе. Это воспроизводит пример NIST.
- Решение строгое: если G равно критическому значению, гипотеза не отклоняется.
- Квантиль t-распределения находится численно через регуляризованную неполную бета-функцию с относительной погрешностью \(10^{-12}\).
- Вычисления выполняются с полной двойной точностью; G и критическое значение отображаются с 4 знаками после запятой.
- Тест охватывает только один выброс. Если подозревается несколько выбросов, используйте тест Тьетьена-Мура или обобщённый тест ESD.
- Данные должны быть приблизительно нормальными. Принимается от 3 до 5000 значений, и они не должны быть все одинаковыми.
Пример расчёта
Данные NIST по изотопам урана: 199,31; 199,53; 200,19; 200,82; 201,92; 201,95; 202,18 и 245,57, проверяемые как максимум при \(\alpha=0{,}05\). Здесь \(N=8\), \(\bar Y=206{,}43375\) и \(s=15{,}852564\).
$$G=\frac{245{,}57-206{,}43375}{15{,}852564}=2{,}4688$$
Вероятность в хвосте равна \(\alpha/N=0{,}05/8=0{,}00625\), а критическое значение:
$$G_{crit}=2{,}0317$$
Поскольку \(2{,}4688>2{,}0317\), H0 отклоняется: значение 245,57 признаётся выбросом.
Как читать результат и ограничения
Отклонение означает, что подозрительное значение маловероятно происходит из той же нормальной совокупности, что и остальные, на выбранном уровне. Оно не объясняет, почему значение экстремально; перед удалением проверьте ошибки записи или реальное изменение процесса. Неотклонение означает, что доказательств наличия выброса недостаточно. Малые выборки обладают низкой мощностью. Маскирование может скрыть выброс при наличии второго экстремального значения. Не применяйте тест многократно к одному и тому же набору данных, так как это меняет частоты ошибок.
Часто задаваемые вопросы
Когда использовать двусторонний вариант?
Используйте его, когда подозрительным может быть любой конец данных. Односторонний тест применяйте только тогда, когда до изучения данных вы решили, что важны лишь высокие или лишь низкие значения.
Почему критическое значение основано на alpha, делённом на N?
Тест рассматривает самое экстремальное из N значений, поэтому используется поправка типа Бонферрони, чтобы общая частота ошибок оставалась равной alpha.
Что делать, если я думаю, что выбросов два?
Тест Граббса работает только с одним выбросом. Вместо него используйте тест Тьетьена-Мура или обобщённый тест ESD.
Почему данные должны быть приблизительно нормальными?
Критическое значение получено из t-распределения, которое предполагает нормальность наблюдений. Асимметричные данные могут давать ложные выбросы.
Каково максимально возможное G?
Оно равно \((N-1)/\sqrt{N}\). Для N = 3 это 1,1547, поэтому критическое значение близко к этой границе.
Источники
- 1.3.5.17.1. Grubbs' Test for Outliers – NIST/SEMATECH e-Handbook of Statistical Methods