選択肢4が正解です。 シャピロ・ウィルク検定はデータが正規分布かどうかを判定するもので、外れ値は特定できません。 正規分布と2σ範囲による外れ値の確認方法について、次のDataFrameを使って解説します。 df = pd.DataFrame( {'点数': [44, 55, 59, 65, 68, 70, 75, 80, 85, 99]}) ▶︎ このデータをグラフにすると、次のようなベルカーブを描くので、正規分布といえます。 平均が70点、標準偏差が±13点、標準偏差の2倍が±26点です。 正規分布の場合、標準偏差の2倍の範囲に約95%のデータが含まれるため、残りの5%が外れ値と言えます。グラフでは両端の2.5%が外れ値です。 データが正規分布かどうかはグラフにすればわかりますが、数値で判定する場合はシャピロ・ウィルク検定を使います。関数は、scipyライブラリのshapiro関数を使います。 import scipy.stats as stats stats.shapiro(df['点数']) ▶︎ ShapiroResult(statistic=0.9950668811798096, pvalue=0.9998215436935425) pvalueの値が0.05より大きい場合は有意となり、正規分布と言えます。 正規分布であれば両端の2.5%が外れ値になるため、quantileメソッドで閾値が出せます。 df.quantile(q=[0.025, 0.975]) ▶︎ これで、46.475点より下と、95.58点より上が外れ値と分かるため、インデックス0の44点と、インデックス9の99点が外れ値と特定できます。 （公式書籍 p.184-185）