解释异常值检验的主要结果

请完成以下步骤来解释异常值检验。主要输出包括 p 值、异常值和异常值图。

步骤 1：确定是否存在异常值

要确定是否存在异常值，请将 p 值与显著性水平进行比较。通常，显著性水平（用 α 或 alpha 表示）为 0.05 即可。显著性水平 0.05 表示在实际上不存在异常值时得出存在异常值的风险为 5%。

P 值 ≤ α：存在异常值（否定 H₀）: 如果 p 值小于或等于显著性水平，则决策为否定原假设并得出存在异常值的结论。尝试确定导致任何异常值的原因。更正任何数据输入错误或测量误差。考虑删除与异常的单次事件（也称为特殊原因）相关联的数据值。
P 值 > α：您无法得出存在异常值的结论（无法否定 H₀）: 如果 p 值大于显著性水平，则决策为无法否定原假设，因为您没有足够的证据得出存在异常值的结论。您应该确保检验具有用于检测异常值的足够功效。有关更多信息，请转到提高功效。

变量	N	均值	标准差	最小	最大	G	P
断裂强度	14	123.4	46.3	12.4	193.1	2.40	0.044

变量	行	异常值
断裂强度	10	12.38

在这些结果中，原假设声明所有的数据值均来自同一个正态总体。由于 p 值为 0.044，小于显著性水平 0.05，因此决策为否定原假设并得出存在异常值的结论。

如果检验在数据中标识到异常值，Minitab 将显示一个异常值表。使用异常值表可以确定异常值的值，以及工作表中包含异常值的行。

变量	N	均值	标准差	最小	最大	G	P
断裂强度	14	123.4	46.3	12.4	193.1	2.40	0.044

变量	行	异常值
断裂强度	10	12.38

在这些结果中，异常值的值为 12.38，它位于第 10 行中。

可使用异常值图直观地确定数据中的异常值。如果存在一个异常值，Minitab 会在图上将其显示为一个红色方块。尝试确定导致任何异常值的原因。更正任何数据输入错误或测量误差。考虑删除异常、单次事件（也称为特殊原因）的数据值。然后，重新执行分析。