下图显示了两个数据集，除了一个数据点之外，其他数据完全相同。显然，右边的数据集有两个异常值，左边的数据集只有一个异常值。这个结论一点也不含糊。

(下载 Prism 文件）。

Grubbs 异常值检验的结果令人惊讶。该检验（α 值设为 5%，但α 值设为 1%时结果相同）确实识别出了左边数据集中的异常值。这并不奇怪。但是，Grubbs 检验在右边的数据集中没有发现任何异常值。第二个异常值的存在阻止了异常值检验发现第一个异常值。这就是所谓的掩蔽。

Grubbs 异常值检验通过首先计算可能的异常值与平均值之间的差值，然后用这个差值除以标准偏差，计算出一个比率 Z。如果 Z 足够大（考虑到样本量），则宣布该点为异常值。请注意，均值和标准偏差是根据所有数据计算得出的，包括计算中的疑似异常值。如下表所示，第二个异常值的存在（在一个较小的数据集中）会使标准偏差增大，从而使 Z 值减小到用于定义异常值的临界值以下。