一个数据点偏得离谱，就一定该删吗？未必。Ting、Gorbachev 和 Shen 提出，异常检测不该只看一个值有多罕见，而要看它会不会实质改变实验结论。论文举例：在含约 100 万个近似正态分布观测的实验中，一个偏离均值 10 个标准差的点极其少见，却只让 z 检验统计量增加 0.01——也就是把假阳性率从 5%推到约 5.1%。它很扎眼，但影响很小。
作者的方法直接估算候选异常点会把假阳性率推高多少。假阳性率指实际上没有效果，却被实验误判为“有效”的概率。方法先把数据随机分组，再用 A/A 实验——把处理组和对照组视作没有真实差异——建立误报基准，并比较保留与替换候选异常点后的检验结果。这样，筛选门槛可以对应实验者真正关心的风险，例如是否能接受误报率从 5%升到 7%。代价是方法依赖随机分组，并假定移除异常点后中央极限定理近似可用、处理效应较小。