3σ準則，它的別名眾多，又稱為拉依達準則、68-95-99。7法則、經驗法則。3σ準則廣泛的運用於各個行業，用來發現和剔除異常資料，從而控制產品質量。

3σ準則指出瞭如果資料服從正態分佈，則幾乎所有資料都將落在均值的三倍標準差內。

例如：稱一實際重量為μ的物體，稱的讀數記為隨機變數X，若X服從正態分佈，

即X～N（μ，σ2），讀數X與μ的偏差在3σ範圍之內的機率為多少？

由題意知，我們需要求的是P（|X-μ|＜3σ）=P（-3σ＜X-μ＜3σ）

=Φ（3）-［1-Φ（3）］=2Φ（3）-1，透過查表可得，P（|X-μ|＜3σ）=0。9973。

同理可求得：P（|X-μ|＜2σ）=0。9545，P（|X-μ|＜σ）=0。6827。

透過上面計算可知：資料如果服從正態分佈，則資料的值落在區間［μ-3σ，μ+3σ］內的機率高達99。73%。根據小機率事件在某次實際實驗中不可能發生原理，認為凡超過這個區間的誤差，就不屬於隨機誤差而是粗大誤差，含有該誤差的資料應予以剔除。

由於3σ準則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資料處理，為什麼還能得到廣泛的應用，正因為正態分佈有極其廣泛的實際背景，生產與科學實驗中很多隨機變數的機率分佈都可以近似地用正態分佈來描述，一般來說，如果一個量是由許多微小的獨立隨機因素影響的結果，那麼就可以認為這個量具有正態分佈（中心極限定理）。

例如：在生產條件不變的情況下，產品的抗壓強度、直徑、長度等指標；同一種動物的身長、體重等指標；同一種種子的重量；測量同一物體的誤差；某個地區的年降水量等等都是服從正態分佈的。

3σ法準如何在實際中運用，我們用上面稱重量的例子進行說明：

如果對物品稱重了16次，得到的重量如下表：

9。95

10。12

9。96

9。96

10。01

9。92

9。98

10。04

10。26

9。91

10。13

10。02

9。22

10。04

10。05

9。95

經計算得：

其中xi為抽取的第i個零件的尺寸，i=1，2，…，16。

則用3σ準則：資料9。22落在區間外，可認為該次測量資料存在較大誤差應剔除。

值得注意的是：3σ準則是以測量次數充分大為前提的，當測量次數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，最好不要選用該準則。