用莱特准则和格拉布斯准则来判断异常数据C编程

max
g (n, a) x ，则判断此值为异常数据，应予以剔除。g(n,a)取决于测量次数 n
和显著性水平 a (相当于犯“弃真”错误的概率系数，若 Pc 为置信概率，则 a=1-Pc)，a 通常取 0.01(1%)或 0.05(5%)。g 值按重复测量次数及置信概率由表 2-1 给出。
格拉布斯准则是在未知总体标准差情况下， 对正态样本或接近正态样本异常值的一种判 别方法。对于测量次数 n=3~5 的测量，格拉布斯准则理论较严密，概率意义明确，实践证 明是一种比较切合测量实际的判别异常值的方法。 异常值的出现会歪曲测量结果， 所以当测 量结果中出现异常值时， 应尽可能地查找出技术上和物理上的原因， 作为处理异常值的依据。 对经判断确为异常值的数据，应予以剔除，不得包括在测量列中。在自动测量系统和测量过 程控制中，测量软件必须设计异常值剔除程序。
daver=d/n.a; daver=daver*3; for(i=1；i<=n；i++) { v[i]=a[i]-aver; v.a[i]=float fabs(fabs v[i]); if(v.a[i]>daver) printf(“%f”,&a[i]); else c[j]=&a[i]; j++; printf() printf ( “%f”,&c[j]); } }
用莱特准则和格拉布斯准则来判断异常数据
一 实验目的
1．通过实验加深对莱特准则和格拉布斯准则的理解。 2．掌握实验中异常数据的处理方法。
பைடு நூலகம்
二 实验要求
用 c 语言或 matlab 或高级语言编写程序，输入一组测量数据（9～15 个， 程序可设定） ，根据莱特准则和格拉布斯准则判断有无异常数据。如有，则剔除 异常数据并重新计算，直到无异常数据为止。具体要求如下： 1. 数据个数可输入；数据精度可设定；可选择界面输入，或者读取文件。 2. 格拉布斯系数 g 以表的形式存于数组中；或通过读取文件形式获得。 3. 显示均值、标准偏差等中间结果、显示被剔除的异常数据、显示无异常数据 的测量数据、显示最终测量结果。
五 实验方法（程序）
# include<stdio.h> # include<math.h> void main() { int i,n,j=1; float a[200],b[200],v[200],v.a[200],aver,suma,sumb,c,d,daver,n.a,; printf(“enter array a:\n”); for(i=1；i<=n；i++) scanf(“%f,%d”,&a[i],n); printf(“\n”); suma=a[1]; for(i=2；i<=n；i++) { suma=suma+a[i]; aver=suma/n; } printf(“average is %f\n”,aver); for(i=1；i<=n；i++) { b[i]=a[i]*a[i]; sumb=sumb+b[i]; } c=sumb/(n-1); d=float sqrt (float c); n.a=float sqrt(float d);
三 仪器与设备
1. 微机 一台 2. C 语言集成开发环境
四 实验原理
在无系统误差的情况下， 测量中大误差出现的概率是很小的。在无系统误差的情 况下，测量中大误差出现的概率是很小的。给定一置信概率，确定相应的置信区 间，凡超过置信区间的误差就认为是粗差，并予以剔除。用于粗差剔除的常见方 法有莱特检验方法和格拉布斯检验方法。
1 n 2 vi (贝塞尔公式)。 n 1 i 1
本检验方法简单，使用方便，当测量次数n 较大时，是比较好的方法。一般适用于n>10 的 情况，n<10 时，莱特检验法失去判别能力。 2. 格拉布斯 Grubbs 检验法 格拉布斯检验法是在未知总体标准偏差 σ (x)的情况下，对正态样本或接近正态样本异 常值进行判别的一种方法，是一种从理论上就很严密，概率意义明确，以经实验证明效果较 好的判据。 具体方法如下： 对一系列重复测量中的最大或最小数据， 用格拉布斯检验法检验， 若残差 vi
1. 莱特检验方法 莱特检验法是一种正态分布情况下判别异常值的方法。判别方法如下： 假设在一列等精度测量结果中，第i项测量值xi所对应的残差vi的绝对值满足
vi
max
3 x ，
则该误差为粗差，所对应的测量值xi为异常数值，应剔除不用。此处，残差： vi xi x ， 标准偏差估计：