Y6OYth

zy. Najwłaściwszą metodą eliminacji błędów grubych jest odrzucanie podejrzanych wyników obserwacji w oparciu o przesłanki fizyczne wynikające z samego przebiegu doświadczenia. Jeśli jednak nie ma widocznych fizycznych podstaw do odrzucenia, to trzeba kolejno badać czy odbiegające wyniki należą do tej samej populacji generalnej. Korzysta się wtedy z testu błędów grubych, opartego na przykładowych statystykach

fi; =    —

-    i *

ĄT= —

(/»-!)

*(/i)    *(1)

£ + _ ^X(n) "*(/.-!) ^X(n) ^X(2)

D+ — ^X(n)~^X(n-2) ⁿ8

■*00 ~^X(\)

Wzory powyższe dotyczą przypadku, gdy parametry rozkładu są nieznane.

Istnieją również statystyki B| dla przypadku znanych parametrów rozkładu, które

pominięto, jako że jest to przypadek rzadziej spotykany. Jeżeli jest spełniona nierówność

B, > b_t (a, n)

to badany wynik należy uznać za obciążony błędem grubym na poziomie istotności a. Punkt taki należy wykluczyć z analizy i powtórzyć ją bez niego. Przykładowe wartości krytyczne b₄(a,n) dla a = 0.05 podano w tabeli 5.13. Dla n>50 oraz a<0.2 wartości b₄(a,n) można obliczyć z wzom

b.(a,n) = y _a .

2-n

1--^2~ (n -1) " '
jj2-n -5 + y* o +	/ ----- > ^3 + / „ +2-/ 1-— ^J . a < 2-n /	i
» ^1 2 n		6 -(2-n -5)

^gdzje y* a 'O kwantyl ^ędu 1--2-_st1nHa K T_n 2-n ^{d ryzowa}nego rozk

rozkładu normalnego.