下图显示了两个数据集，除一个数据点外，其他数据点均相同。显然，右侧的数据集有两个异常值，左侧数据集只有一个异常值。得出该结论一点也不难。

（下载Prism文件。）

Grubbs异常值检验的结果让人十分意外。该检验（将α设为5%，但α设为1%时获得相同的结果）确实识别出左侧数据集中的异常值。这并不奇怪。但Grubbs检验在右侧数据集中未发现任何异常值。第二个异常值的存在阻止异常值检验找到第一个异常值。这称为 “遮蔽”。

Grubbs异常值检验通过首先计算可能的异常值和平均值之间的差值，然后将该差值除以标准差，计算比值Z。如果Z足够大（考虑样本量），则将该点声明为异常点。请注意，平均值和标准差是根据所有数据计算，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（在一个小数据集中）扩大了标准差，因此，将Z值降低到用于定义异常值的阈值以下。