Kalkulator testu Grubbsa: szybki

📊 Test Grubbsa (zwany także testem maksymalnie znormalizowanych reszt lub ESDM — Extreme Studentized Deviate Method dla pojedynczej wartości odstającej) to procedura statystyczna stosowana do wykrywania pojedynczej wartości odstającej w jednoczynnikowym zbiorze danych o rozkładzie w przybliżeniu normalnym. Został opracowany przez Franka E.

📊 Grubbsa, amerykańskiego statystyka, który opublikował test w swoim przełomowym artykule z 1969 r. „Procedures for Detecting Outlying Observations in Samples” w dziedzinie Technometrics. Prace Grubbsa opierały się na wcześniejszych wkładach Thompsona (1935) i innych, ale jego systematyczne podejście do problemu — łącznie z tabelami wartości krytycznych dla różnych wielkości próbek i poziomów istotności — sprawiło, że test stał się dostępny i powszechnie przyjęty.

📊 Test ocenia hipotezę zerową H₀: w danych nie ma wartości odstających w porównaniu z hipotezą alternatywną H₁: istnieje dokładnie jedna wartość odstająca. Działa poprzez identyfikację punktu danych najbardziej oddalonego od średniej próbki, obliczenie statystyki testowej G, która mierzy, jak ekstremalny jest ten punkt w stosunku do całkowitego rozrzutu danych, i porównanie G z wartością krytyczną uzyskaną z rozkładu t.

📊 Jeśli G przekracza wartość krytyczną na wybranym poziomie istotności α, hipoteza zerowa zostaje odrzucona, a punkt skrajny zostaje uznany za statystyczną wartość odstającą. Test Grubbsa jest szczególnie popularny w kontroli jakości, chemii analitycznej i medycynie laboratoryjnej, gdzie pojedyncza zanieczyszczona próbka, awaria instrumentu lub błąd w transkrypcji może dać obserwację radykalnie różniącą się od pozostałych. W teście zakłada się, że podstawowe dane (z wyłączeniem potencjalnej wartości odstającej) mają rozkład normalny, co oznacza, że ​​należy je zastosować dopiero po zweryfikowaniu normalności. Możesz skorzystać z naszego Weryfikatora założeń regresji, aby ocenić normalność swojego zbioru danych. W przypadku podejrzenia wielu wartości odstających test Grubbsa należy zastosować iteracyjnie (usuwać po jednej wartości odstającej i przeprowadzać ponownie), chociaż zwiększa to ogólny poziom błędów typu I. Aby wykryć jednocześnie wiele wartości odstających, należy zamiast tego rozważyć uogólniony test ESD (ekstremalne odchylenie studenckie) lub test Rosnera.