格拉布斯準則是一種用於識別和剔除異常數據的方法，主要套用於服從常態分配的數據集。以下是關於格拉布斯準則的詳細介紹：
基本思想：格拉布斯準則針對服從常態分配規律的測量數據，根據測量次數n及給定的置信機率定義判定區間，若某數據的殘差絕對值超過該區間，則認為該數據為異常數據並剔除之。
準則描述：設對被測量進行n次等精度測量，獨立得到測量數據序列。計算其算術平均值及剩餘誤差，並按貝塞爾公式計算標準偏差估計值。根據測量次數n和給定的置信機率，從格拉布斯準則表中查得係數G。若某個測量數據的剩餘誤差滿足條件，則認為該數據是含有粗大誤差的壞值，應予剔除。
套用步驟：
先計算測量列的算術平均值和標準差；
取定置信機率，通常取0.01或0.05；
根據測量次數和置信機率查出相應的格拉布斯臨界係數；
計算格拉布斯鑑別值；
將各測量值的殘餘誤差與格拉布斯鑑別值相比較，若滿足條件，則可認為對應的測量值為壞值，應予剔除。
特點與局限性：格拉布斯準則在理論上比較嚴謹，考慮了測量次數和標準差本身存在誤差的影響。然而，其計算量較大，可能降低信號採集速率，影響實時性。
關於「格拉布斯準則阿爾法怎麼取」、「格拉布斯準則n=100」、「格拉布斯準則0.95和0.99怎麼選」等具體問題，可以根據實際情況和需求進行選擇和調整。阿爾法通常取0.01或0.05等顯著性水平，這相當於犯「棄真」錯誤的機率係數。當測量次數n=100時，可以從格拉布斯準則表中查找相應的臨界係數。而0.95和0.99是置信機率的選擇，可以根據對剔除異常數據的嚴格程度進行選擇。