正在打开页面…
输入数据中的随机误差与粗大误差应分类处理,滤波和异常值判别各有条件。
随机误差可用数字滤波减弱影响,但滤波不能保证完全消除随机误差。粗大误差虽可能只占少量样本,却可能严重损害数据品质和优化结果,需及时调查、校正或按规则剔除。
教材列3σ、肖维勒和格拉布斯准则等统计判别方向。选用时应说明分布、样本和阈值条件,不把“看起来与众不同”作为任意删除依据。
异常读数可能是数据错误,也可能反映工况变化或故障。应联系现场信息确认用途和原因,避免把需要检测的真实事件当噪声抹去。处理记录保留原值、依据和后续结果。
基础测试统一使用选择题,先确认概念、定义和关键判断是否扎实。
随机误差与粗大误差应怎样处理?
所有异常一律以平均值覆盖
仅增加样本数量而不检查
按性质选滤波或异常判别等方法
超过统计阈值可否单独证明现场没有真实故障?
不可以,还需结合过程信息
可以,统计阈值排除了所有真实变化
可以,任何超限都只属于录入错误
暂无前置知识
暂无后续知识
暂无引用。