在数据异常检测中，常用的统计学方法包括：

1. Z分数检验：通过计算数据点与平均值的偏差来判断数据是否异常。
2. 离群值检测：使用箱线图或四分位距来识别数据中的离群值。
3. Grubb's测试：用于检测单个样本中的异常值。
4. 马哈拉诺比斯距离：通过计算数据点之间的距离来识别异常值。
5. Cook's距离：用于识别在线性回归模型中具有高杠杆或高残差的数据点。 这些方法可以帮助分析师识别数据中的异常值，从而进行相应的数据清洗和处理。