1. 课程导入与离群值排查总论

岩土试验成果统计中，离群值（outlier）是指在同一样本或同一统计单元内，与其余观测值相比明显偏离、且无法用试验条件差异或地层变化合理解释的个别数据。它不同于“异常值”这一更宽泛的概念：异常值可能真实反映局部软弱夹层、裂隙带或特殊土性，而离群值强调的是“统计上不合群、专业上难解释”。本课程60例所讨论的，正是如何在大量试验数据中把这两类情况区分开。

离群值的危害具有隐蔽性和放大性。以某工程勘察为例，某层粉质黏土共取12组土工试验样，天然含水率依次为24.1%、25.3%、24.8%、25.6%、24.4%、25.1%、24.9%、25.8%、24.6%、25.2%、24.7%、38.5%（示例数据，用于说明方法）。若直接取算术平均，均值被抬高约1.1个百分点，标准差被放大约3倍；若再以“均值±1倍标准差”作为承载力参数取值依据，压缩模量、孔隙比等派生指标会同步失真。更严重的是，离群值会污染变异系数，使原本中低变异的土层被误判为高变异，进而影响桩基参数、地基承载力特征值的分项系数选取。因此，离群值排查不是“把不好看的数据删掉”，而是保证统计单元真实、参数取值可靠的前置工序。

建立总体工作框架，可归纳为四个前后衔接、又允许回退的环节：数据审查—统计识别—专业判断—处置决策。四者不是线性流水线，专业判断往往要求回到数据审查补充信息，处置决策也可能要求重新划分统计单元。

数据审查是第一道关口，重点不是算，而是核。要核对：样本是否属于同一统计单元（同一地层、同一成因、同一深度区间）；试验项目、试验方法、仪器编号、试验日期是否一致；原始记录有无涂改、抄录错误、单位错位（如把g/cm³记成kN/m³）；取样是否扰动、运输是否失水。工程中相当比例的“离群值”其实源于记录错误或单元混划，例如把淤泥质土样误归入粉质黏土统计单元，其含水率自然偏高。

统计识别提供客观线索。小样本（n＜10）宜用格拉布斯检验或狄克逊检验，大样本可用3σ准则或箱线图；同时观察变异系数、偏度与峰度。需要强调：3σ准则要求数据近似正态，岩土参数常呈偏态分布，直接套用会误删高值端真实数据。因此统计识别只输出“可疑清单”，并标注可疑程度。

专业判断是决定性环节。要回答三个问题：该值能否用地层局部变化解释？能否用试验操作异常解释？它与其余物理力学指标是否自洽？例如某组土样含水率38.5%，若同时液限、孔隙比、压缩系数均同步偏高，则可能是真实软弱夹层，应保留并单独划单元；若仅含水率孤立偏高而其余指标正常，则更可能是封样失水或记录错误。

处置决策有保留、剔除、补样、重划单元四种基本选项，并须留痕。剔除应有统计与专业双重依据，且注明剔除理由；样本量不足时应补样而非硬删；发现统计单元混划时应重划单元后重新统计。所有处置应形成可追溯的记录，便于后期复核。

本课程后续60例将围绕上述框架展开，覆盖含水率、密度、液塑限、压缩模量、抗剪强度、标准贯入击数、波速等常见指标，逐例演示“可疑如何被发现、判断如何形成、处置如何落地”。掌握这一总论框架，是读懂每一例的前提。