这更像是一个一般的统计问题，但如果重要的话，我正在编写 PHP 代码。
假设我正在尝试计算在二级市场上通常买卖的玩具的平均值，并且我有一组从拍卖和用户输入的“已付价格”数据中剔除的价格值。代表拍卖的数据点非常可靠，但我也偶尔会得到“车库出售”类型的数据点，其中有人可能在车库出售中花钱从波莉阿姨那里买了东西。问题是$1数据点的类型对我来说并不真正有价值，因为它们并不能真正表明价值——波莉阿姨不知道，也不在乎。同样，我可能偶尔会从一个开玩笑的人那里得到一个数据点，该数据点来自一个$9000真正只有价值的玩具$9。
那么，在计算价值时，从其他有用的数据中剔除这些类型的异常的最佳方法是什么？
我已经阅读了有关异常值的内容，以及通常忽略其余数据之外超过 2.5 个标准差的任何内容，但我正在寻找完整的配方，在这里。
非常感谢！
在箱线图中，与四分位数相差超过 1.5 倍（四分位距，四分位数 1 和 3 之间的差）的值（如：在远离中位数的方向上）通常被视为异常值。
我不能说这是否适合您的数据，但......
您可以考虑使用修剪后的平均值。这将涉及丢弃最高 10% 的值和最低 10% 的值，无论您是否认为它们是坏的。
在它被删除之前，我最初在 SO 上发布了这个：
https://stats.stackexchange.com/可能会更好地帮助您，并给出更全面的答案。我不是数学家，但我怀疑有多种方法可以解决这个问题。
作为一名程序员，这就是我解决问题的方式。我不够熟练，无法告诉您这是否合理，但对于简单的数据，它应该是可以接受的。
根据数据的类型，截断金额可能是可以接受的。您可能需要一个滚动平均值（通常用于股票市场），它采用过去 n 个月的平均价格，这有助于抵消通货膨胀的影响，然后有一个$n截止值或基于百分比的截止值，即任何值偏离滚动平均值的 +-20% 或 +-$n将被忽略。
这对于相对稳定的市场非常有效，如果您的实体存在于波动剧烈的波动市场中，那么您可能希望找到不同的方法。
您还需要认真考虑切断数据，您提到奶奶的庭院销售可以说是合法的切断，但您需要接受您可能会丢失合法的数据点，这可能会对您的结果产生重大影响。
但同样，将有多种方法来实现这一目标。
也许在这里可以使用像RANSAC这样的稳健估计器。