Detekce odlehlých hodnot je velmi důležitá oblast datové analýzy. Tyto hodnoty mohou být chyby v pozorování, ale také mnohdy nesou důležitou informaci. V této práci jsou představeny tři robustní statistické metody vytvořené pro práci s datovými soubory, které odlehlé hodnoty obsahují. Nejprve je vysvětlena teorie robustní statistiky a kontaminačních modelů. Dále jsou popsány výše zmíněné robustní statistické metody, které jsou následně aplikovány na simulované datové soubory. Závěr práce je věnován aplikaci těchto metod na reálný datový soubor.Outlier detection is a very important part of a data analysis. Outliers can be either measurement errors or a piece of a valuable information. The thesis describes three robust statistical methods designed for datasets containing outliers. Firstly, a theory of robust statistics and contamination models is explained. Secondly, the three robust methods are described, followed by applications on the simulated datasets. Finally, these three methods are applied on a real dataset as well.