标准偏差σ，小表示测量值密集，即测量的精密度高：标准偏差。，大表示测量值分 散，即测量的精密度低。估计随机误差还有用算术平均误差、2σ，、36。等其它 方法来表示的。 1.1.9异常数据的剔除 剔除测量列中异常数据的标准有几种，有3。，准则、肖维准则、格拉布斯 准则等。 1.3。准则 统计理论表明，测量值的偏差超过3。，的概率已小于1%。因此，可以认为 偏差超过3。，的测量值是其他因素或过失造成的，为异常数据，应当剔除。剔除的 方法是将多次测量所得的一系列数据，算出各测量值的偏差△x和标准偏差。，，把 其中最大的△y与3o,比较，若△y>3σ，，则认为第j个测量值是异常数据， 舍去不计。剔除：后，对余下的各测量值重新计算偏差和标准偏差，并继续审查， 直到各个偏差均小于30，为止。 2.肖维准则 假定对一物理量重复测量了n次，其中某一数据在这n次测量中出现的几率不 到半次，即小于 1 ，则可以肯定这个数据的出现是不合理的，应当予以剔除， 2n 根据肖维准则，应用随机误差的统计理论可以证明，在标准误差为。的测量列中， 若某一个测量值的偏差等于或大于误差的极限值K。,则此值应当剔出。不同测量次 数的误差极限值K。列于下表。 表1肖维系数表 Ka n K。 4 153o 10 196o 16 2.160 5 1.65 11 2.00o 2.18 6 1.73o 12 2.040 18 2.20o > 1.79g 13 2.07o 19 2.220 8 1.86o 14 2.10c 0 2.240 9 1.92 15 2.13c 21 2.3913 标准偏差  x 小表示测量值密集，即测量的精密度高；标准偏差  x 大表示测量值分 散，即测量的精密度低。估计随机误差还有用算术平均误差、2  x 、3  x 等其它 方法来表示的。 1．1．9 异常数据的剔除 剔除测量列中异常数据的标准有几种，有 3  x 准则、肖维准则、格拉布斯 准则等。 1．3  x 准则 统计理论表明，测量值的偏差超过 3  x 的概率已小于 1％。因此，可以认为 偏差超过 3  x 的测量值是其他因素或过失造成的，为异常数据，应当剔除。剔除的 方法是将多次测量所得的一系列数据，算出各测量值的偏差 Δxi 和标准偏差  x ，把 其中最大的 Δxj 与 3  x 比较，若 Δxj ＞3  x ，则认为第 j 个测量值是异常数据， 舍去不计。剔除 xj 后，对余下的各测量值重新计算偏差和标准偏差，并继续审查， 直到各个偏差均小于 3  x 为止。 2．肖维准则 假定对一物理量重复测量了 n 次，其中某一数据在这 n 次测量中出现的几率不 到半次，即小于 2n 1 ，则可以肯定这个数据的出现是不合理的，应当予以剔除。 根据肖维准则，应用随机误差的统计理论可以证明，在标准误差为 σ 的测量列中， 若某一个测量值的偏差等于或大于误差的极限值 Kσ ，则此值应当剔出。不同测量次 数的误差极限值 Kσ 列于下表。 表 1 肖维系数表 n Kσ n Kσ n Kσ 4 1.53σ 10 1.96σ 16 2.16σ 5 1.65σ 11 2.00σ 17 2.18σ 6 1.73σ 12 2.04σ 18 2.20σ 7 1.79σ 13 2.07σ 19 2.22σ 8 1.86σ 14 2.10σ 20 2.24σ 9 1.92σ 15 2.13σ 21 2.39σ