标题中的"ASTM E178 - 21"指的是美国材料与试验协会（American Society for Testing and Materials）制定的一项标准实践，该实践专门针对处理异常观察值的问题。这一标准通常应用于统计分析和质量控制领域，旨在提供一套系统性的方法来识别、评估和处理数据中的异常值。
异常值是数据分析中一个重要的概念，它指的是那些与其他观测值显著偏离的数据点。这些异常值可能是由于测量错误、记录错误或真实存在的极端情况导致的。在统计分析中，异常值的存在可能对整体结果产生重大影响，因此正确处理它们对于得出可靠结论至关重要。
ASTM E178 - 21标准实践提供了以下关键知识点：
1. **定义与识别**：标准首先定义了什么是异常值，并提供了多种识别异常值的方法，如统计检验（如Grubbs检验、Dixon检验）、四分位数范围（IQR）规则、Z-score或T-score方法等。
2. **数据质量检查**：在进行异常值处理之前，需要对数据质量进行全面检查，确保数据的准确性和完整性，包括检查数据录入错误、重复值、缺失值等问题。
3. **判断标准**：该实践指导用户如何设定合适的阈值，以区分正常变异和潜在的异常值，这通常涉及到统计学上的临界值计算。
4. **处理策略**：标准提供了几种处理异常值的策略，包括删除、替换、修正或保留。每种策略都有其适用场景，需要根据具体问题和分析目标来选择。
5. **决策流程**：ASTM E178 - 21提供了一个决策流程图，帮助分析人员系统地决定何时、如何以及为何处理异常值。
6. **影响评估**：处理异常值后，需要重新评估分析结果，理解异常值处理对统计模型或推断的影响，确保处理结果的合理性和稳健性。
7. **报告与沟通**：标准还强调了在报告和与利益相关者沟通时，需要清楚地阐述异常值处理的过程和理由，以保证透明度和可重复性。
在实际应用中，无论是质量工程师、数据科学家还是统计分析师，理解和遵循ASTM E178 - 21标准都对提高数据分析的准确性和可靠性具有重要意义。通过阅读提供的"ASTM E178 - 21 Standard Practice for Dealing With Outlying Observations - 完整英文版（11页）.pdf"文件，可以深入学习这一标准的细节和具体实施步骤。
