ForHosting KIT · الرياضيات

حاسبة اختبار غراوبس للقيم الشاذة

تحقق مما إذا كانت قيمة ما بعيدة بشكل مريب عن البقية: في 10 و11 و10 و12 و50 تكون القيمة المرشحة هي 50، مقارنة بمتوسط قدره 18.6 وبالانحراف المعياري للعينة. تحصل على G لتقارنها بقيمتك الحرجة. مجانية في متصفحك.

مجاني
يعمل في متصفحك
دون تسجيل
بياناتك لا تغادر جهازك

شغّل الأداة مجانًا اطّلع على الـAPI

استخدمها من الويبAPIالبريدTelegramالتطبيق قريبًا

مثال محلول

إذا أدخلت

القيم: 10, 11, 10, 12, 50

تحصل على

الكمية: 5
المتوسط: 18.6
الانحراف المعياري: 17.5727061092
الإحصائية: 1.7868619554

تقيس هذه الحاسبة مدى ابتعاد المشاهدة الأشد تطرفا عن متوسط العينة نسبة إلى انحرافها المعياري. أدخل ثلاثة أعداد منتهية على الأقل لتحصل على إحصائية G الثنائية، والقيمة المرشحة، وفهرسها الأصلي، والمتوسط، والانحراف المعياري للعينة. تفيد النتيجة في فحص قيمة شاذة واحدة محتملة ضمن بيانات تقارب التوزيع الطبيعي. لا تختار الأداة مستوى الدلالة نيابة عنك، بل تتيح لك مقارنة الإحصائية بالقيمة الحرجة الموافقة لحجم العينة وخطة التحليل.

كيفية حساب إحصائية غراوبس

تتحقق الحاسبة أولا من أن values مصفوفة تضم ثلاثة أعداد منتهية على الأقل. ثم تحسب المتوسط الحسابي والانحراف المعياري للعينة بمقام يساوي n ناقص واحد. بعد ذلك تحسب المسافة المطلقة لكل مشاهدة عن المتوسط.

تحدد أكبر مسافة القيمة المرشحة، وتساوي G هذه المسافة مقسومة على الانحراف المعياري. ولأن المسافة مطلقة، تعالج الصيغة الثنائية القيم المنخفضة والمرتفعة بالتساوي. عند التعادل التام تختار الأداة أول عنصر لضمان نتيجة حتمية.

تدخل كل المشاهدات، ومنها المرشحة، في حساب المتوسط والانحراف، ولا تحذف الأداة أي قيمة أو تغيرها.

متى تكون نتيجة غراوبس مناسبة

صمم اختبار غراوبس لتقييم قيمة شاذة واحدة في عينة يمكن عدها صادرة عن مجتمع يقارب التوزيع الطبيعي. لا تكفي قيمة G الكبيرة وحدها لاتخاذ قرار الاستبعاد؛ قارنها بالقيمة الحرجة الصحيحة أو بإجراء محدد للقيمة الاحتمالية. توخ الحذر مع البيانات الملتوية أو متعددة الأنماط أو الثقيلة الذيل أو المرتبطة زمنيا.

قد تحجب عدة قيم متطرفة بعضها بعضا بتحريك المتوسط وزيادة الانحراف. ولا تثبت الندرة الإحصائية وجود خطأ. افحص المعايرة وظروف الجمع والوحدات والنسخ قبل حذف أي مشاهدة.

احتفظ بالبيانات الأصلية ووثق حجم العينة والإحصائية وقاعدة القرار والنتيجة.

حالات الاستخدام

مراجعة قياسات المختبر

حدد مقدار ابتعاد القراءة القصوى قبل فحص الأجهزة والعينات والوحدات المسجلة.

فحص عينات ضبط الجودة

احسب G لقياسات تقارب التوزيع الطبيعي وقارنها بقيمة حرجة محددة مسبقا.

تعليم اختبارات القيم الشاذة

وضح الصلة بين المتوسط والانحراف المعياري وأقصى ابتعاد وإحصائية غراوبس.

الأسئلة الشائعة

ماذا تقيس إحصائية غراوبس؟

تقيس أكبر ابتعاد مطلق عن المتوسط مقسوما على الانحراف المعياري للعينة.

هل تقرر الحاسبة أن القيمة شاذة؟

لا. تحسب G، وعليك مقارنتها بالقيمة الحرجة الثنائية المناسبة.

هل يكشف الاختبار عدة قيم شاذة؟

يستهدف هذا الحساب مرشحا واحدا، أما تعدد القيم المتطرفة فيتطلب إجراء تسلسليا دقيقا.

هل أحذف القيمة التي يشير إليها اختبار غراوبس؟

ليس بناءً على الإحصائية وحدها. فكون القيمة غير مألوفة إحصائيًا لا يثبت وجود خطأ في القياس، لذا راجع أولًا المعايرة والوحدات والنسخ وظروف الجمع، واحتفظ بالبيانات الأصلية مع سجل لما قررته.

كم قيمة أحتاج، وماذا لو كانت كلها متساوية؟

تحتاج إلى ثلاثة أعداد على الأقل. وإذا كانت كل القيم متطابقة يكون الانحراف المعياري صفرًا ويتطلب حساب G القسمة على صفر، لذلك ترفض الحاسبة هذه البيانات بدل عرض نتيجة مضللة.

أدوات ذات صلة

للمطوّرين — الوصول عبر API

كل ما في هذه الصفحة متاح برمجيًا. هذا القسم موجّه للفرق التقنية التي تريد ربط الأداة بأنظمتها الخاصة؛ بقية المستخدمين يمكنهم استخدام الأداة أعلاه مباشرة دون الحاجة لقراءة ما يلي.

الـEndpoint

POSThttps://api.kit.forhosting.com/stat/grubbs-test

صادِق على طلبك بترويسة Bearer، وأرسل طلب POST واحدًا لتدخل مهمتك قائمة التنفيذ فورًا؛ ثم تستلم النتيجة عبر webhook أو رابط موقّع.

استدعِ الخدمة من بيئتك

curl -X POST https://api.kit.forhosting.com/stat/grubbs-test \
  -H "Authorization: Bearer $KIT_KEY" \
  -H "Content-Type: application/json" \
  -d '{"values":[10,11,10,12,50]}'

const res = await fetch("https://api.kit.forhosting.com/stat/grubbs-test", {
  method: "POST",
  headers: {
    "Authorization": `Bearer ${process.env.KIT_KEY}`,
    "Content-Type": "application/json"
  },
  body: JSON.stringify({
    "values": [
      10,
      11,
      10,
      12,
      50
    ]
  })
});
const { task_id } = await res.json();

import os, requests

res = requests.post(
    "https://api.kit.forhosting.com/stat/grubbs-test",
    headers={"Authorization": f"Bearer {os.environ['KIT_KEY']}"},
    json={
    "values": [
        10,
        11,
        10,
        12,
        50
    ]
},
)
task_id = res.json()["task_id"]

<?php
$res = file_get_contents("https://api.kit.forhosting.com/stat/grubbs-test", false, stream_context_create([
  "http" => [
    "method"  => "POST",
    "header"  => "Authorization: Bearer " . getenv("KIT_KEY") . "\r\nContent-Type: application/json",
    "content" => '{"values":[10,11,10,12,50]}',
  ],
]));
$task = json_decode($res, true);

body := bytes.NewBufferString(`{"values":[10,11,10,12,50]}`)
req, _ := http.NewRequest("POST", "https://api.kit.forhosting.com/stat/grubbs-test", body)
req.Header.Set("Authorization", "Bearer "+os.Getenv("KIT_KEY"))
req.Header.Set("Content-Type", "application/json")
res, _ := http.DefaultClient.Do(req)

مثال على الطلب

{
  "values": [
    10,
    11,
    10,
    12,
    50
  ]
}

مثال على الاستجابة

{
  "task_id": "tsk_a1b2c3d4e5f6a1b2c3d4e5f6",
  "type": "stat.grubbs_test",
  "status": "queued",
  "_links": {
    "result": "/tasks/tsk_…/result"
  }
}

الواجهة غير متزامنة: تستلم task_id فور الإرسال، ويمكنك الاستعلام عن الحالة بمعدل طلب واحد في الثانية.

الأسعار

لكل طلب$0.002

السعر معلن كما تراه: لا tokens ولا نظام نقاط؛ وإن فشلت المهمة فلن تُحاسَب عليها.

الحدود

max_items 100000

الأخطاء

HTTP	الرمز	المعنى
`401`	`unauthorized`	مفتاح الوصول مفقود أو غير صالح؛ تحقق من ترويسة Bearer في طلبك.
`402`	`insufficient_balance`	رصيدك لا يكفي لتنفيذ هذه المهمة؛ أعد شحن الرصيد ثم أعد المحاولة.
`404`	`unknown_type`	نوع المهمة المطلوب غير موجود في الكتالوج — راجع الاسم المرسل في الطلب.
`429`	`rate_limited`	تجاوزت الحد المسموح من الطلبات؛ انتظر قليلًا ثم أعد المحاولة.

ملاحظات تقنية

كيفية حساب إحصائية غراوبس

يحفظ outlier_index الموضع الأصلي، ويعرض outlier_value القيمة، ويبين direction اتجاهها.

إعداد المدخلات وقراءة النتيجة

تقبل الأعداد الصحيحة والعشرية والسالبة والقيم المكررة والصفر، وترفض السلاسل الرقمية وnull وNaN واللانهاية والمصفوفات التي تقل عن ثلاثة عناصر. إذا تطابقت القيم كلها كان الانحراف صفرا وتعذر تعريف G. عند التفسير استخدم جدولا حرجا ثنائيا يطابق حجم العينة الدقيق ومستوى الدلالة المختار. ضع مصفوفة JSON في الحقل values. يعرض count حجم العينة، وmean المتوسط، وstandard_deviation الانحراف المعياري للعينة، وstatistic قيمة G. يحدد outlier_value وoutlier_index القيمة المتطرفة من دون ترتيب المدخلات. تبلغ كلفة كل عملية ناجحة عبر API مقدار $0.002.

أسئلة تقنية

لماذا يلزم وجود ثلاث قيم على الأقل؟

يتطلب الإجراء ثلاث مشاهدات على الأقل، وإلا يعيد invalid_input.

ماذا يحدث إذا تطابقت القيم كلها؟

يصبح الانحراف المعياري صفرا والنسبة غير معرفة، فتكون النتيجة invalid_input.

اطّلع على توثيق KIT الكامل ←

شغّل الأداة مجانًا

مثال محلول

كيفية حساب إحصائية غراوبس

متى تكون نتيجة غراوبس مناسبة

حالات الاستخدام

مراجعة قياسات المختبر

فحص عينات ضبط الجودة

تعليم اختبارات القيم الشاذة

الأسئلة الشائعة

أدوات ذات صلة

للمطوّرين — الوصول عبر API

الـEndpoint

استدعِ الخدمة من بيئتك

مثال على الطلب

مثال على الاستجابة

الأسعار

الحدود

الأخطاء

ملاحظات تقنية

كيفية حساب إحصائية غراوبس

إعداد المدخلات وقراءة النتيجة

أسئلة تقنية

شكرًا