异常值也叫离群值。箱线图可以看单变量的异常值，一般默认3倍标准差之外的 值为异常值。 在线性回归分析中，当某个样本数据离群太远时，拟合的回归线会受到这个数据的强烈干 扰，从而改变回归线的位置。在简单线性回归中，因为是双变量，可以使用散点图查看。但 是在多元回归中，自变量较多，散点图就无法使用了，此时，可以学生化残差，即对残差进 行z-score标准化。经验显示，当样本量为几百个时，学生化残差指标大于2就为离群值；当 样本量为上千个时，学生化残差指标大于3就为离群值。

检测异常值的方法有以下几种：

A: 箱线图
B: 散点图
D: 3sigma法则

正确答案是：A、B、D。

**专业分析：**

1. **箱线图（Box Plot）**：
- 箱线图是一种常用的统计图形，用于显示数据分布的集中趋势、离散程度和异常值。通过箱线图，可以很容易地识别出数据中的异常值，这些异常值通常会显示在箱线图的"胡须"之外。

2. **散点图（Scatter Plot）**：
- 散点图通过点的分布情况展示两个变量之间的关系。在散点图中，异常值通常会显得与其他数据点格格不入，显著偏离数据的整体趋势或分布。

3. **3sigma法则（3-Sigma Rule）**：
- 3sigma法则基于正态分布理论，认为在一个正态分布中，99.7%的数据点会落在均值的三个标准差范围内。因此，超过这个范围的数据点可以被认为是异常值。这种方法适用于数据近似正态分布的情况。

**条形图（Bar Chart）**：
- 条形图主要用于显示分类数据的频率分布，不适合用于检测异常值。因此，条形图不被认为是检测异常值的有效方法。

综上所述，箱线图、散点图和3sigma法则都是有效的异常值检测方法，而条形图不是。