參考：https://blog.csdn.net/weixin_30633405/article/details/95177009

3σ準(zhǔn)則又稱為拉依達(dá)準(zhǔn)則，它是先假設(shè)一組檢測數(shù)據(jù)只含有隨機(jī)誤差，對其進(jìn)行計算處理得到標(biāo)準(zhǔn)偏差，按一定概率確定一個區(qū)間，

認(rèn)為凡超過這個區(qū)間的誤差，就不屬于隨機(jī)誤差而是粗大誤差，含有該誤差的數(shù)據(jù)應(yīng)予以剔除。且3σ適用于有較多組數(shù)據(jù)的時候。

這種判別處理原理及方法僅局限于對正態(tài)或近似正態(tài)分布的樣本數(shù)據(jù)處理，它是以測量次數(shù)充分大為前提的，

當(dāng)測量次數(shù)較少的情形用準(zhǔn)則剔除粗大誤差是不夠可靠的。因此，在測量次數(shù)較少的情況下，最好不要選用準(zhǔn)則，而用其他準(zhǔn)則。

在正態(tài)分布中σ代表標(biāo)準(zhǔn)差,μ代表均值。x=μ即為圖像的對稱軸

3σ原則為

數(shù)值分布在（μ-σ,μ+σ)中的概率為0.6826

數(shù)值分布在（μ-2σ,μ+2σ)中的概率為0.9544

數(shù)值分布在（μ-3σ,μ+3σ)中的概率為0.9974

可以認(rèn)為，Y 的取值幾乎全部集中在（μ-3σ,μ+3σ)區(qū)間內(nèi)，超出這個范圍的可能性僅占不到0.3%.

?

我的數(shù)據(jù)是244*119，即有244組樣品，第一列是位置信息，隨后的各個列為變量信息，即每一列為一個變量，剔除每一列中的異常值。

下面的代碼實(shí)現(xiàn)的功能是找出剔除的異常值的位置信息，

for ii = 3:119P=data_jd(:,ii);ave = mean(P);%mean 求解平均值u = std(P);%求解標(biāo)準(zhǔn)差for i = 1:244if(abs(P(i)-ave)>3*u)P(i) = 0;P_ans = P(P==0);len=length(P_ans);if len == []continueelselocation=find(P==0)if len == 1loc(1,ii)=locationelsefor iii=1:lenloc(iii,ii)=location(iii)endendendelsecontinue;endendendans=loc(loc~=0); ans=unique(ans);#刪除重復(fù)的值%% 根據(jù)索引去除異常值 data_jd(ans,:)=[]

?

?

總結(jié)

以上是生活随笔為你收集整理的怎么用matlab剔除数据的异常值（3σ准则）的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。