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。

在一维空间中检测离群点的方法可以根据数据的特性和具体需求选择。以下是对每个选项的分析：

| 方法 | 分析 |
|------|------|
| A: 作正态分布概率图 | 适用于数据近似正态分布的情况。通过绘制正态概率图，可以观察数据是否沿着对角线分布，偏离较大的数据点可能是离群点。 |
| B: 作盒形图 | 盒形图是一种简单直观的方法，通过显示数据的四分位数、最大值和最小值来检测离群点。任何落在"胡须"之外的数据点通常被视为离群点。 |
| C: 马氏距离 | 马氏距离通常用于多维空间中检测离群点，而不是一维。它考虑了数据的协方差结构，在一维情况下其效果与欧氏距离类似，不如其他方法直观。 |
| D: 作散点图 | 在一维情况下，散点图仅显示数据的分布，对于离群点的识别不如其他方法具备直接的优势。 |

对于一维数据，**B: 作盒形图**通常是最有效且直观的方法。盒形图能够快速识别异常值，并且易于解释，是一维数据离群点检测的常用工具。