在MATLAB编程中处理粗大误差，可以采用以下几种方法：
拉依达准则：
这是一种统计学方法，通过计算测量值的残差与标准差之比来判断是否存在异常值。具体步骤包括计算算术平均值、求残余误差（绝对误差）、求标准差，然后判断残差是否大于3倍标准差。
格拉布斯准则：
与拉依达准则类似，格拉布斯准则也是通过计算残差与标准差之比来判断异常值。不过，它使用一个临界值来判断是否剔除某个数据点。
狄克逊判别准则：
这种方法通过对测量列中的最小值和最大值进行判断，迅速识别出可能包含粗大误差的数据点。
3Sigma法则：
这是一种基于正态分布的规则，认为任何大于3倍标准差的数据点都是异常值。
编写自定义函数：
可以编写一个MATLAB函数，输入含有粗大误差的数据，输出剔除粗大误差后的数据和粗大误差在原数据中的序号。例如，可以使用`EliminateGrossErrors`函数来实现这一功能。
```matlab
function [cleanedData, errorIndices] = eliminateGrossErrors(data)
% 计算算术平均值
meanData = mean(data);
% 计算残余误差（绝对误差）
residuals = abs(data - meanData);
% 计算标准差
stdDev = std(residuals);
% 判断粗大误差，并剔除
errorIndices = find(residuals > 3 * stdDev);
cleanedData = data(~errorIndices);
end
```
在使用这些方法时，建议先对数据进行预处理，如去除明显的异常值或噪声，然后再应用这些统计方法进行粗大误差的检测和剔除。此外，处理粗大误差后，建议对处理后的数据进行验证，确保其准确性和可靠性。