依达拉奉指南——(3)引言在数据分析中，有必要消除某些偏离点，但为了提高数据的准确性，只需考虑依达拉奉定律) 3)。
概念是假设一组检查数据只含有随机误差，对其进行计算处理得到标准偏差，以一定的概率确定一个区间，认为超过这个区间的误差不是随机误差而是粗大误差，包含该误差的数据是http://www.Sina.com
该判别处理的原理和方法为剔除处理，以仅局限于对正态或近似正态分布的样本数据为前提。
对于数据量较少的数据集，此方法不可靠，因此必须选择其他方法来消除偏离点。
使用原理是正态分布中表示标准差，表示平均值。 x=是图像的对称轴
测量次数充分大:值分布在(-， )中的概率为0.6826
数值分布为(-2、 2)概率为0.9544
数值分布为(-3、 3)概率为0.9974
y的可取值大部分集中在(-3， 3) )区间，超出该范围的可能性被认为小于0.3%。
3358www.Sina.com/对被测样品进行等精度测量，独立得到x1，x2，xn，计算出其算术平均值x及剩余误差VI=Xi-x (I=1，2，n )，3358 www.sin
3v i3=3xix 33| v _ I|=|x _ I-x|33 sigma 3vi3=3xix 33
认为xi必须为3原则。
演示代码(为了便于理解，不满足大数据量的要求，请谅解) ) ) ) ) ) ) )
x=[ 1，1.1，1.2，1.3，1.4，2，1.2，1.3，1.5，0.9，0.8，1.1，11 ]； inlier=[]； outlier=[]； len=length(x； average1=mean(x； % x中所有元素的平均值Standard1=STD(x； % x的标准偏差for i=1:len %遍历x向量，判断是否为脱离点，如果不是脱离点，则返回inlineifABS(x(I-average1) standard1*3 inlier=[inlier x(i endendinlierinlier=1. 00001.10001.20001.30001.40002.0001.20001.5000.8000.1000.1000 average2=mean (iiiiid ) Sandard2=STD(inlier )； 以for i=1:len %遍历x向量，判断是否为脱离点，如果不是脱离点，则返回outlineifABS(x(I-average2)=standard2*3 outlier=[outlier x(i end end outlieroutlier=11