Критерий Диксона: проверка выброса в малой выборке

Критерий Диксона, или Q-критерий, помогает оценить, насколько крайнее наблюдение отделено от остальных в небольшой серии измерений. Он сравнивает расстояние до ближайшего соседа с размахом всей выборки. Если отношение слишком велико для выбранного уровня значимости, результат считают статистически подозрительным. Ниже рассмотрим вариант для одного крайнего значения и разберём, почему даже положительный результат проверки ещё не объясняет причину отклонения. В калькуляторе можно менять последнее измерение и наблюдать за расчётом.
Что проверяет критерий Диксона
Представим серию повторных измерений одной величины в одинаковых условиях. Большинство результатов близки друг к другу, а один заметно выше. Причина может быть в записи, приборе, изменении условий или случайной вариации. По одному виду ряда невозможно надёжно установить, какая версия верна.
Для варианта нулевая гипотеза состоит в том, что все наблюдения, включая крайнее, принадлежат одной нормальной генеральной совокупности. Альтернатива допускает одно аномальное крайнее значение. В примере ниже используем двустороннюю таблицу: крайним кандидатом может оказаться как минимум, так и максимум. Идею проверки гипотез и смысл уровня значимости полезно освежить в материале о нулевой и альтернативной гипотезах.
Движение показывает важную деталь: вместе с разрывом растёт и знаменатель, то есть полный размах. Поэтому - не просто расстояние в единицах измерения, а безразмерная доля. Чем ближе она к единице, тем большую часть ряда занимает промежуток перед крайней точкой.
Формула для максимума и минимума
Сначала отсортируем наблюдений по возрастанию: . Для подозрительно большого значения вычисляют
В числителе стоит разрыв между максимумом и ближайшим к нему наблюдением, в знаменателе - полный размах с включённым максимумом. Для подозрительно малого значения числитель меняется на , а знаменатель остаётся тем же:
Если все значения одинаковы, размах равен нулю и отношение не определено. При ненулевом размахе лежит между нулём и единицей. Прибавление одной константы ко всем наблюдениям или умножение их на положительную константу не изменяет отношение: оно не зависит от начала шкалы и единицы измерения.
Существуют и другие статистики семейства Диксона с иными числителями и знаменателями. Нельзя подставлять в таблицу для другой версии. Работа Рорабахера о критических значениях рассматривает как этот параметр, так и родственные отношения поддиапазонов.
Пример расчёта по шагам
Пусть учебная серия измерений уже отсортирована:
Всего результатов. Проверяем верхнее крайнее значение 11,3 при уровне значимости . Ближайший сосед - 10,5, поэтому разрыв равен . Размах всей серии равен . Отсюда

По двусторонней таблице для , и критическое значение равно 0,568. Поскольку , нулевая гипотеза отвергается на выбранном уровне: максимум статистически подозрителен. Проверка не доказывает, что прибор ошибся, и не присваивает конкретному результату вероятность ошибки 95 %. Серия здесь вымышленная и служит только для демонстрации метода.
Таблица критических значений
Ниже приведены пороги для одного выброса, варианта и двусторонней проверки при . Это значения для сравнения с неокруглённой расчётной статистикой; числа таблицы округлены до трёх знаков.
| Число наблюдений | |
|---|---|
| 3 | 0,970 |
| 4 | 0,829 |
| 5 | 0,710 |
| 6 | 0,625 |
| 7 | 0,568 |
| 8 | 0,526 |
| 9 | 0,493 |
| 10 | 0,466 |
При результат значим; при меньшем значении оснований отвергнуть нулевую гипотезу недостаточно. Если расчёт совпал с округлённым порогом, не стоит делать уверенный вывод по округлению: нужна более точная таблица или точный расчёт для той же процедуры. Таблицу и её обозначения можно сверить с приложением Chemistry LibreTexts, основанным на публикации Рорабахера.
Чем меньше , тем строже порог при прочих равных. Уровень 5 % характеризует частоту ложного отклонения нулевой гипотезы при многократном повторении корректно заданного теста, когда она верна. Он не является долей неверных измерений в конкретной серии.
Условия применения и ограничения
Измерения должны быть независимыми, сопоставимыми и относиться к одной величине при стабильных условиях. Табличные пороги опираются на модель нормальной совокупности при нулевой гипотезе. В малой выборке проверить нормальность особенно трудно, поэтому важны знание процесса, история измерений и обоснование модели. О том, как нормальная модель описывает случайные отклонения, подробнее рассказано в статье о нормальном законе погрешности измерений.
Тест рассчитан на один подозрительный крайний результат. Несколько аномальных значений могут маскировать друг друга: сосед крайнего тоже смещается, и разрыв выглядит меньше. Повторное удаление точки с новым применением того же теста без заранее предусмотренной процедуры увеличивает риск ложных решений. Если ожидается несколько выбросов, нужен метод для соответствующей задачи и числа аномалий.
Таблица выше ограничена и конкретной версией ; другие варианты и диапазоны требуют собственных порогов. Для сравнения, NIST описывает критерий Граббса для одного выброса при приблизительной нормальности. Он использует другую статистику и другую таблицу. Выбор определяется моделью и протоколом, а не желанием получить нужный ответ.
Как читать результат рядом с порогом
Предположим, что седьмое значение в той же серии равно 10,7. Разрыв до соседа теперь 0,2, а размах 0,7; отношение равно примерно 0,286. Оно меньше 0,568, поэтому на уровне 5 % нулевую гипотезу не отвергают. Сравните это с 11,3: остальные шесть наблюдений не изменились, но последний промежуток занял значительно большую долю размаха. Именно эту зависимость показывает ползунок.
Граница решения не является физической границей исправности прибора. Если расчётное отношение чуть выше или ниже порога, небольшая поправка данных, более точное измерение или иная заранее выбранная процедура могут изменить решение. Полезно показывать исходные данные и численное значение статистики, а не только метку «выброс» или «не выброс». Так другой исследователь сможет проверить вычисления и оценить практическую значимость отклонения.
При уровне 5 % значимый результат также возможен вследствие случайности, даже когда все значения получены из одной нормальной совокупности. И наоборот, незначимый результат возможен при наличии действительно отличающегося наблюдения. Вероятность обнаружить отклонение называют мощностью; она зависит от ситуации и не определяется одним лишь уровнем значимости. Подробнее этот компромисс разобран в статье о мощности статистического критерия.
Отдельно стоит различать измерение и решение об его использовании. Статистический тест отвечает на вопрос о совместимости данных с моделью, а производственная методика может устанавливать порядок повторного анализа и регистрации причин брака. Если результаты получены последовательно во времени и условия могли дрейфовать, проверьте временной порядок до объединения их в одну выборку. Сортировка для расчёта не должна уничтожать сведения о том, когда и как получена каждая точка.
Что делать после проверки
Сначала сохраните исходный ряд и зафиксируйте формулу, объём выборки, уровень значимости, таблицу и результат сравнения. Затем проверьте журнал измерений, перенос данных, калибровку, условия опыта и возможные причины изменения процесса. При возможности повторите эксперимент независимо: дополнительная информация часто полезнее одного порога.
Если обнаружена документированная причина брака, действуйте по методике лаборатории и укажите её в отчёте. Если причины нет, можно представить анализ с подозрительным наблюдением и без него, явно обозначив оба варианта. Это показывает чувствительность вывода к решению об исключении. При представлении численного результата применяйте согласованные правила округления результата и погрешности, сохраняя достаточную точность промежуточных вычислений.
Частые ошибки
- Проверять внутреннюю точку как крайнее значение. Формула относится к минимуму или максимуму упорядоченного ряда.
- Исключать кандидата из размаха. Он входит и в разрыв, и в полный размах исходной выборки.
- Брать произвольный порог. Нужны совпадающие , уровень значимости, сторона проверки и вариант статистики.
- Считать непревышение доказательством отсутствия выброса. Малый объём может не дать достаточной чувствительности тесту.
- Удалять точку только ради красивого среднего. Решение об обработке данных требует причины, правил и прозрачного отчёта.
FAQ
Можно ли проверить минимальное значение?
Да. После сортировки разделите разность двух самых малых значений на размах всего исходного ряда. Затем используйте порог для подходящей процедуры и выбранного уровня значимости.
Что означает меньше критического значения?
Данных недостаточно, чтобы отвергнуть нулевую гипотезу этим тестом на заданном уровне. Это не доказывает, что измерение верно или что отклонения нет: мощность проверки зависит от размера выборки и величины отклонения.
Можно ли применять критерий к любым данным?
Нет. Табличная интерпретация предполагает независимые сопоставимые наблюдения и нормальную модель без выброса. Зависимые измерения, смесь разных режимов или сильная асимметрия требуют другой модели либо обоснованного преобразования.
Коротко
Критерий Диксона делит разрыв между крайним значением и его соседом на размах всей серии. Для семи значений из примера превышает порог 0,568 при уровне 5 %, поэтому максимум статистически подозрителен. Причину отклонения устанавливают отдельно, а исходные данные и способ принятия решения сохраняют в отчёте.
Читайте также

Критерий Граббса: проверка выброса в измерениях
Как применить критерий Граббса для поиска одного выброса: формула статистики и критического значения, пошаговый пример, условия применимости и частые ошибки.

Критерий Шовене: проверка подозрительного измерения
Как применять критерий Шовене к ряду измерений: формула двух хвостов, расчёт порога и пример, смысл ожидаемого числа редких наблюдений и ограничения метода.

Диаграмма Парето в контроле качества: пример расчёта
Диаграмма Парето в контроле качества: как собрать данные о дефектах, рассчитать накопленные проценты, построить график и выбрать приоритет улучшения на наглядном примере.

Метод параллельных рядов в статистике: пример
Метод параллельных рядов в экономической статистике: как сохранить пары наблюдений, увидеть направление связи и проверить вывод на учебном примере предприятий.

Абсолютно неупругий удар: сохранение импульса
Как найти скорость тел после абсолютно неупругого удара, применить закон сохранения импульса и вычислить потерю кинетической энергии на понятных примерах с формулами.

Абсолютное и избыточное давление: формулы и вакуум
Абсолютное и избыточное давление, разрежение и вакуум: как выбрать начало отсчёта, перевести показания манометра и решить задачи с примерами в килопаскалях.