确认奇点数要看数据分布和异常值，可以用箱线图或Z-score方法。先找数据有没有特别高的或特别低的数值，比如温度记录里突然有50度，其他都是20多度，这就是奇点数。箱线图能直接看出数据有没有被拉出来的极端值，Z-score则是算每个数和平均值的差距，超过3倍标准差就算。

因为数据分布越分散，判断奇点数越难，所以要用两种方法交叉验证。比如某次实验测了100个温度值，标准差是5度，用Z-score算出有3个数值超过15度（平均值20度），箱线图也显示这三个点在上下界外。这说明两种方法都确认了这三个是奇点数。实际应用中，如果数据量小，箱线图更直观；数据量大时，Z-score计算更方便。比如工厂质检用Z-score，每小时抽100件产品，超过3σ的零件直接判定为废品，这样误判率只有0.3%，比肉眼观察准确多了。