不一致检验如何进行?
统计不一致检验分析两个假设:一个工作假设和一个不同的假设。工作假设 H 表示整个包含 n 个对象的数据集来自一个初始分布模型 F，即 H: oi Î F，其中 i = 1, 2, n。
如果没有统计上重要的证据支持拒绝该假设，则保留该假设。不一致检验检查对象 oi 相对于分布 F 本质上是大(还是小)。根据现有的数据知识，已经提出了不同的检验统计量用于不一致检验。
假设已选择某个统计量 T 进行不一致检验，并且对象 oi 的统计量值为 vi，则构建 T 的分布。评估显著性概率 SP (vi) = Prob (T > vi)。
如果某个 SP (vi) 足够小，则 oi 不一致，工作假设被拒绝。采用备择假设，即 oi 来自另一个分布模型 G。结果很大程度上取决于所选的 F 模型，因为 oi 在一个模型下可能是异常值，而在另一个模型下可能是完全有效的值。
备择分布对于确定检验的功效至关重要，即当 oi 为异常值时工作假设被拒绝的概率。备择分布有几种类型。
固有备择分布 −在这种情况下，所有对象均来自分布 F 的工作假设被拒绝，取而代之的是所有对象均来自另一个分布 G 的备择假设。
H: oi Î G，其中 i = 1, 2, ..., n
F 和 G 可以是不同的分布，也可以仅在同一分布的参数上有所不同。G 分布的形式受到限制，因为它可能产生异常值。例如，它可能具有不同的均值或离差，或者长尾。
混合备择分布 − 混合备择分布指出，不一致的值不是 F 总体中的异常值，而是来自其他总体的污染值。在这种情况下，备择假设是 −
H: oi Î (1 – l) F + lG，其中 i = 1, 2, ..., n
滑移替代分布 − 该替代分布表明，所有对象(除一些规定的小数外)均独立于具有参数 m 和 s² 的原始模型 F 产生，而其余对象则是来自参数已更改的 F 修改版本的独立观测值。
