格拉布斯检验法(Grubbs's test),有时也被称为最大归一化残差检验,是一种在统计学中用于分析异常值(英语:Outlier)的方法,因发明者弗兰克·E·格拉布斯(英语:Frank E. Grubbs)而得名。
格拉布斯检验法基于数据服从正态分布的假设,用于检验单变量(英语:Univariate)数据集内的离群值。因此,在使用格拉布斯检验法时,必须先检验数据的分布是否可以用正态分布进行近似。
格拉布斯检验法定义于如下假设之上:
定义格拉布斯检验统计量为:
其中,和分别指代的是样本的均值和标准偏差。
如果采用双边检验(英语:two-sided test)的方法,则格拉布斯检验可按照以下步骤进行:
将数据集中的个数值由最小排列到最大,则最小值或最大值为可能的可疑数值。若要检验最小值是否为离群值,则可以按如下公式计算:
检验最大值时,则为:
对该双边检验,若下式成立,则在置信度为处,无偏差值的假设不成立:
其中,表示t-分布中当自由度为、显著性水平为时的上临界值。如果采用单边检验方式,则应该将显著性水平改为。