马氏距离是基于卡方分布的，度量多元outlier离群点的统计方法。

在一个维度的空间中，即一维数据分布中，最好的检测离群点的方法通常是使用**盒形图 (Box Plot)**。因此，正确答案是B: 作盒形图。以下是对每种方法的专业分析：

| 方法 | 适用性分析 |
|----------------|----------------------------------------------------------------------------------------|
| 正态分布概率图 | 主要用于判断数据是否符合正态分布，而不是直接用于检测离群点。对一维数据较难清晰识别离群点。 |
| 盒形图 | 直接、清晰地展示出数据的四分位范围，并通过“须状”标识出潜在离群点，是一维数据中检测离群点的流行方法。 |
| 马氏距离 | 一般用于多维数据中检测离群点，对于一维数据，计算马氏距离没有意义，因为协方差矩阵不是非零值。 |
| 散点图 | 散点图在一维数据分析中不是很实用，通常用于二维或多维数据可视化。因此，不太适合一维离群点检测。 |

### 盒形图的优点：
- **简洁明了**：通过图示可以快速识别出数据的中位数、四分位数，以及可能的离群点。
- **易于理解**：不需要复杂的数学计算即可识别出明显的异常数据点。
- **适用范围广**：适用于大多数类型的单变量数据分布。

因此，在一维数据的情况下，使用盒形图来检测离群点是最为简便和有效的选择。