3σ準則：
3σ準則又稱爲拉依達準則，它是先假設一組檢測數據只含有隨機誤差，對其進行計算處理得到標準偏差，按一定概率確定一個區間，認爲凡超過這個區間的誤差，就不屬於隨機誤差而是粗大誤差，含有該誤差的數據應予以剔除。且3σ適用於有較多組數據的時候。
這種判別處理原理及方法僅侷限於對正態或近似正態分佈的樣本數據處理，它是以測量次數充分大爲前提的，當測量次數較少的情形用準則剔除粗大誤差是不夠可靠的。因此，在測量次數較少的情況下，最好不要選用準則，而用其他準則。
在正態分佈中σ代表標準差,μ代表均值。x=μ即爲圖像的對稱軸
3σ原則爲
數值分佈在（μ-σ,μ+σ)中的概率爲0.6827
數值分佈在（μ-2σ,μ+2σ)中的概率爲0.9545
數值分佈在（μ-3σ,μ+3σ)中的概率爲0.9973
可以認爲，Y 的取值幾乎全部集中在（μ-3σ,μ+3σ)區間內，超出這個範圍的可能性僅佔不到0.3%.
方差、標準差
均方差就是標準差，標準差就是均方差
當分析數據爲總體（Population）和樣本（Sample）時方差和標準差的計算方式又有不同，簡單可以記憶爲樣本數據（Sample Data）求方差除以n-1 ，總體數據（The Population ）求方差除以n ，公式如下：
參考：https://blog.csdn.net/ouening/article/details/51281242
均方誤差
1、均方差是數據序列與均值的關係，而均方誤差是數據序列與真實值之間的關係
2、均方誤差不同於均方差
3、均方誤差是各數據偏離真實值的距離平方和的平均數