在统计学中，异常值（Outliers）是指数据集中与其他观测值显著不同的数据点，可能由测量误差、数据录入错误或真实变异引起。检测异常值有助于提高数据分析的准确性。常见的检验方法包括：1.标准差法：假设数据服从正态分布，计算均值和标准差，将超出均值±3倍标准差范围的值视为异常值。2.箱线图法（IQR法）：利用四分位距（IQR）识别异常值，通常将小于Q1-1.5IQR或大于Q3+1.5IQR的数据点判定为异常值。3.Z-score法：通过计算每个数据点的Z-score（标准分数），将绝对值大于3的Z-score对应的数据点视为异常值。4.Grubbs检验：适用于正态分布数据，通过假设检验判断是否存在异常值。5.Dixon检验：适用于小样本数据，通过极差比检测异常值。6.马氏距离法：适用于多元数据，通过计算数据点与整体分布的距离识别异常值。7.DBSCAN聚类：基于密度的聚类方法，将稀疏区域的数据点识别为异常值。选择合适的方法需考虑数据分布、样本大小和具体分析需求。异常值处理应谨慎，需结合领域知识判断是否保留或修正。
