用格布拉斯准则剔除异常值,求不确定度

x=[0.665 0.666 0.678 0.698 0.600 0.661 0.672 0.664];  %输入数据
alpha=0.05; %输入显著性水平%% 格布拉斯准则剔除坏值
flag_1=1; while flag_1==1
n=length(x);
avg=mean(x);
x=sort(x);
v=x-avg;
st=std(v,0);
gn=abs((x-avg)/st);% 确定g值
T=[1.153 1.463 1.672 1.822 1.938 2.032 2.11 2.176 2.234 2.285 2.331 2.371 2.409 2.443 2.475 2.501 2.532 2.557 2.58 2.603 2.624 2.644 2.663 2.681 2.698 2.714 2.73 2.745;...
1.155 1.492 1.749 1.944 2.097 2.22 2.323 2.41 2.485 2.55 2.607 2.659 2.705 2.747 2.785 2.821 2.954 2.884 2.912 2.939 2.963 2.987 3.009 3.029 3.049 3.068 3.085  3.103];
switch alpha
case 0.05
g=T(1,n-2);
case 0.01
g=T(2,n-2);
otherwise
disp('输入了错误的alpha值');
end% 比较确定异常值
[reg_max,i]=max(gn);
if reg_max>g
flag_1=1;
abn=x(i);
disp('被剔除的数据为')
disp(abn);
x(find(x==abn))=[];
elseflag_1=0;
endend
if flag_1==0
disp('已没有异常数据');
end%% 计算不确定度
u=st/sqrt(n);
disp('最终结果为:')
disp(avg)  %平均值
disp(u)  %不确定度

用格布拉斯准则剔除异常值,求不确定度相关推荐

  1. 数据分析系列 之3σ规则/依据拉依达准则来剔除异常值

    1 相关原理 3σ原则为 数值分布在(μ-σ,μ+σ)中的概率为0.6827 数值分布在(μ-2σ,μ+2σ)中的概率为0.9545 数值分布在(μ-3σ,μ+3σ)中的概率为0.9973 可以认为, ...

  2. 数据建模中利用3σ剔除异常值进行数据清洗

    方法原理: 3σ准则又称为拉依达准则,它是先假设一组检测数据只含有随机误差,对其进行计算处理得到标准偏差,按一定概率确定一个区间,认为凡超过这个区间的误差,就不属于随机误差而是粗大误差,含有该误差的数 ...

  3. 拉依达准则剔除数据异常

    /// <summary>     /// 拉依达准则剔除数据异常     /// </summary>     public class DataExceptionHelpe ...

  4. matlab拉依达法,Matlab笔记——数据预处理(1)——剔除异常值及平滑处理012

    测量数据在其采集与传输过程中,由于环境干扰或人为因素有可能造成个别数据不切合实际或丢失,这种数据称为异常值.为了恢复数据的客观真实性以便将来得到更好的分析结果,有必要先对原始数 据(1)剔除异常值: ...

  5. Median Absolute Deviation(MAD,绝对中位差)和3sigma准则剔除粗差方法对比(代码)

    根据文献: Klos A, Bogusz J, Figurski M, Kosek W (2016) On the handling of outliers in the GNSS time seri ...

  6. 大物实验求不确定度代码(简单版)

    闲来无事写了一个求不确定度代码,比较简单,如果测量数据数量不是5的话稍微改一下就行,用代码算不确定度省了不少事. #include <stdio.h> #include <stdli ...

  7. java中算术异常值_依据拉依达准则来剔除异常值程序

    java源码在下,在main主方法里的data数组里输入要测量的数据(个数长度>=10个),会判断里面有误异常值,如果有则警告 /** * @author 廖启安 * @data 2018年4月 ...

  8. JAVA使用:3σ规则、依据拉依达准则来剔除异常值程序

    3σ原则为 数值分布在(μ-σ,μ+σ)中的概率为0.6827 数值分布在(μ-2σ,μ+2σ)中的概率为0.9545 数值分布在(μ-3σ,μ+3σ)中的概率为0.9973 可以认为,Y 的取值几乎 ...

  9. 剔除异常值栅格计算器_R语言系列 数据清洗3 异常值处理

    [免责声明:用于教学资料整理] 目录: 一. 用箱线图检测异常值 二. 使用局部异常因子法(LOF法)检测异常值 三. 用聚类方法检测异常值 四. 检测时间序列数据中的异常值 五. 基于稳健马氏距离检 ...

最新文章

  1. 旅行场景下的个性化营销平台揭秘
  2. 经典排序算法(3)——直接插入排序算法详解
  3. mysql datahost ha_mysql MySQL数据库高可用HA实现
  4. 手机浏览器被强制跳转_Azure front door 强制http redirect to https
  5. hibernate hql 关联查询_Hibernate【关联查询篇】
  6. 在浏览器中将表格导入到本地的EXCEL文件,注意控制内存
  7. Android UI系列-----Dialog对话框
  8. spring菜鸟总结
  9. 小米音箱蓝牙连不上_小米互联网音箱蓝牙怎么连接?方法如下
  10. 如何破解加密相册密码四大方法
  11. 刷主板bios改变机器码_怎么为主板刷新bios
  12. 后代选择器和子选择器
  13. 最火爆的人工智能学习基础课程(2021人工智能视觉训练营)
  14. 嵌入式软件工程师—成长笔记#01
  15. 前端构建:Less入了个门
  16. 115.n阶方阵求逆
  17. 住世觅菩提:福山论犯罪、家庭、信任
  18. Microsoft visual c++2017 X64 Minimum Runtime等vc++运行库问题的解决记录
  19. 信号处理--冲激和冲激串的傅里叶变换
  20. cmake链接opencv库

热门文章

  1. da2 Android版本固件,OPPOAce2官方系统刷机包(完整固件最新升级包ColorOS 7)
  2. 大容量U盘计算机会不识别吗,电脑无法识别大容量U盘,怎么处理
  3. 大数据——Flink Window(窗口)机制
  4. 大数据运维学习成长路线
  5. 尼康d850相机参数测试软件,新功能介绍二:景深合成与自动调焦_尼康 D850_数码影像评测-中关村在线...
  6. python ipad pro_离开 PC,在 iPad Pro 上也能编程了?
  7. 开源人工智能相关的Scratch插件
  8. postgresql 备份 还原
  9. Visual Studio 2019编译问题解决方法
  10. 【杂谈】关于个人档案的机要邮寄