拉依達準則是指先假設一組檢測數據只含有隨機誤差，對其進行計算處理得到標準偏差，按一定機率確定一個區間，認為凡超過這個區間的誤差，就不屬於隨機誤差而是粗大誤差，含有該誤差的數據應予以剔除。這種判別處理原理及方法僅局限於對正態或近似常態分配的樣本數據處理，它是以測量次數充分大為前提的，當測量次數少的情形用準則剔除粗大誤差是不夠可靠的。因此，在測量次數較少的情況下，最好不要選用該準則。
基本介紹
- 中文名：拉依達準則
- 外文名：pauta criterion
- 提出者：拉依達
拉依達準則（3σ準則）,可疑數據的處理,
拉依達準則（3σ準則）
設對被測量進行等精度測量，獨立得到x1，x2...,xn,算出其算術平均值x及剩餘誤差vi=xi-x（i=1,2，...,n）,並按貝塞爾公式算出標準偏差σ，若某個測量值xb的剩餘誤差vb（1<=b<=n）,滿足下式
|vb|=|xb-x|>3σ
則認為xb是含有粗大誤差值的壞值，應予剔除。
在整理試驗數據時，往往會遇到這樣的情況，即在一組試驗數據里，發現少數幾個偏差特別大的可疑數據，這類數據稱為Outlier或Exceptional Data，他們往往是由於過失誤差引起。
可疑數據的處理
對於可疑數據的取捨要慎重。在試驗進行中時，若發現異常數據，應立即停止試驗，分析原因並及時糾正錯誤；當為試驗結束後時，應先找原因，在對數據進行取捨。如發現生產（施工）、試驗過程中，有可疑的變異時，該測量值則應予捨棄。
這類數據的不能清楚地判定原因時，可以藉助一些統計方法進行驗證處理，方法很多，如常用的"拉依達準則"和"格拉布斯準則"，還有如狄克遜準則，肖維勒準則、t檢驗法，F檢驗法等。這些方法，都有各自的特點，例如，拉依達準則不能檢驗樣本量較小（顯著性水平為0.1時，n必須大於10）的情況，格拉布斯準則則可以檢驗較少的數據。在國際上，常推薦格拉布斯準則和狄克遜準則。
但對於異常數據一定要慎重，不能任意的拋棄和修改。往往通過對異常數據的觀察，可以發現引起系統誤差的原因，進而改進過程和試驗。
