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。

答案是：A: 箱线图 和 D: 3sigma法则。

分析如下：

1. **箱线图 (Box Plot)**：
- **作用**：箱线图是一种统计图表，用于显示数据集的分布情况。它能够直观地展示数据的中位数、四分位数、最小值、最大值和异常值（离群点）。
- **检测异常值**：在箱线图中，通常通过绘制数据的四分位范围（IQR）来识别异常值。位于上四分位数（Q3）加上1.5倍IQR或下四分位数（Q1）减去1.5倍IQR之外的数据点被认为是异常值。

2. **3sigma法则**：
- **作用**：3sigma法则基于正态分布的统计特性，用于识别数据中的异常值。
- **检测异常值**：在正态分布中，99.7%的数据点将落在均值（μ）加减3个标准差（σ）范围内。因此，超出这个范围的数据点可以被视为异常值。

3. **散点图 (Scatter Plot)**：
- **作用**：散点图用于展示两个变量之间的关系。虽然可以通过散点图直观地观察是否存在异常值，但它并不是专门用于检测异常值的方法。

4. **条形图 (Bar Chart)**：
- **作用**：条形图主要用于展示分类数据的频数分布。它不适合用于检测异常值。

综上所述，箱线图和3sigma法则是常用的检测异常值的方法，而散点图和条形图在异常值检测方面并不常用。