如何统计数值向量中超出均值3倍标准差的异常值数量

按照你给出的异常值定义（与均值距离超过3个标准差的点），直接通过逻辑判断求和就能得到结果，不需要额外安装第三方包。

核心实现逻辑 #

对向量里的每个值做判定：满足abs(当前值 - 向量均值) > 3 * 向量标准差即为异常值，逻辑值TRUE在数值计算中等价于1、FALSE等价于0，直接对判定结果求和就是异常值总数量。

代码示例 #

# 构造测试向量：100个服从N(10,2)的常规值，加3个手动设置的极端值
set.seed(123)
test_vec <- c(rnorm(100, 10, 2), 25, 1, 16)

# 统计异常值数量
outlier_num <- sum(abs(test_vec - mean(test_vec)) > 3 * sd(test_vec))
print(outlier_num)

上述示例运行后返回结果为2，对应手动添加的25、1两个离群点，16距离均值的偏差未超过3倍标准差，不会被判定为异常值。

特殊场景处理 #

• 如果向量中存在缺失值NA，需要在计算均值、标准差时加上na.rm = TRUE参数跳过缺失值，否则最终结果会返回NA，写法如下：

# 含缺失值的统计写法
outlier_num <- sum(
  abs(test_vec - mean(test_vec, na.rm = TRUE)) > 3 * sd(test_vec, na.rm = TRUE),
  na.rm = TRUE
)

• 注意均值和标准差本身容易受极端值影响，如果你的数据中异常值占比较高，计算出的均值、标准差会被异常值拉偏，可能导致漏判，但如果严格遵循你给定的3倍标准差规则，直接用上述代码即可。

内容的提问来源于stack exchange，提问作者lallal