化探异常下限值的计算方法
刘先生的地质 新浪博客
(原创,转载必须注明出处)
长期以来,人们主要使用经典的统计学方法,以样品数据呈正态分布为假设前提,通过计算数据的统计学参数(如均值、中位数、标准离差等)对异常进行筛选和评价。通常认为常量元素接近正态分布,而微量元素则接近于对数正态分布,但是在实际工作当中没有完全理想的数据满足正态分布或对数正态分布。因此需要我们对原始数据做一定的处理,使其满足正态分布或对数正态分布而又不失原始数据的真实性。
1、迭代法数据处理
若原始数据满足正态分布,化探异常值下限直接用“均值 2倍的标准离差”得到异常下限,均值就是背景值。
但实际中,几乎没有数据完全服从正态分布,用迭代法进行数据处理,通常采用“均值 3倍的标准离差
刘先生的地质 新浪博客
(原创,转载必须注明出处)
长期以来,人们主要使用经典的统计学方法,以样品数据呈正态分布为假设前提,通过计算数据的统计学参数(如均值、中位数、标准离差等)对异常进行筛选和评价。通常认为常量元素接近正态分布,而微量元素则接近于对数正态分布,但是在实际工作当中没有完全理想的数据满足正态分布或对数正态分布。因此需要我们对原始数据做一定的处理,使其满足正态分布或对数正态分布而又不失原始数据的真实性。
1、迭代法数据处理
若原始数据满足正态分布,化探异常值下限直接用“均值 2倍的标准离差”得到异常下限,均值就是背景值。
但实际中,几乎没有数据完全服从正态分布,用迭代法进行数据处理,通常采用“均值 3倍的标准离差
