统计数据质量的参差不齐一直是统计界的一个困扰。在实际应用中,因为某些主观或外界的因素影响,在数据收集过程中往往很容易出现异常数据。异常数据是指在一组观测数据中和其它数据相比明显不一致的数据,这些数据的产生往往会使统计数据的质量大大降低,导致统计分析的误差增大,最终得到错误的结论。因此在利用统计数据进行分析时,为保证统计分析结果的正确性,需要先检验统计数据中是否出现异常数据,并且对出现的异常数据进行适当的处理。异常数据的检验指的是对一批数据中是否含有异常数据进行的检验。本文针对应用统计中常见的指数分布,双参数指数分布以及均匀分布,分别研究了在相应分布场合下异常数据的检验方法。首先,针对双参数指数分布场合下的异常数据,利用样本数据中异常数据的离群性和平均寿命点估计的跳跃度,确定可能的正常数据在顺序统计量中的位置,然后基于双边截尾数据场合下尺度参数σ的最好线性无偏估计,构造新的检验统计量,并得到其精确分布,从而确定对异常大和异常小数据进行检验的判定标准。最后通过多次重复模拟试验说明所给方法具有可行性。其次,针对均匀分布场合下的异常大数据,利用样本中位数具有较好抵抗异常数据干扰这一性质,根据顺序统计量构建检验统计量,并推导出检验统计量的概率密度,从而给出异常数据的检验标准,同时在此基础上给出了检验统计量的检验临界值,最后由算例证明所给方法具有可行性。最后,针对指数分布场合下的异常数据,由于样本p分位数能很好的抵抗异常数据的干扰,且与样本中位数越接近其抵抗性越强。故利用样本p分位数构造检验统计量,同时推导出了检验统计量的精确概率密度函数,并证明其在检验异常数据时能够避免屏蔽效应,给异常数据检验临界值的计算提供了一定的依据,最后由算例证明所给方法具有可行性。本文提出的检验方法均利用了相应分布的特点来构造检验统计量,进而对异常数据进行检验。所以在不同的分布场合下异常数据的检验方法也有所不同,因此本文的研究对于丰富异常数据检验方法有一定的贡献。