简析稳健统计技术

《简析稳健统计技术》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、简析稳健统计技术[摘要]讲述稳健统计技术的基本参数和其对实验室能力结果的评价方法，简单举例说明数据分析的方法与环节。[关键词]稳健统计技术内插法z比分数中图分类号：o213.1文献标识码：a文章编号：1009-914x（2013）16-0242-01能力验证活动在实验室质量管理中是一项重要的内容。现在，能力验证活动已经受到世界各国实验室认可机构组织和实验室的重视。能力验证结果的统计评价即稳健统计技术也广泛运用。在这里我为大家解析一下稳健统计技术的使用方法。传统统计技术是依靠平均值和标准偏差来比较分析

2、。由于每一个数值都会影响平均值和标准偏差，极端偏离的异常值会对每个实验室报出的数值都带来影响。因而，人们运用了稳健统计技术，规定了平均值估计值和标准差估计值，利用它们稳健的特性在能力验证过程中评价所有参加实验室检测数据结果的准确性，在不将极端结果从数据组中剔除的情况下使其的影响减至最小。一、稳健统计法的参数在使用稳健统计法时，我们先将所有实验室反馈回的数据从小到大按顺序排列成一行。为方便计算，可以将它们设为x坐标轴，以最小值为原点，定为0位置。依次类推，第二小值为1位置，……，第n个值（最大值）的位

3、置为m=n-1。以下计算中我们均以此顺序排列。中位值q2：是一组数据（个数为n）按照大小排列的中间值。即有一半的结果高于它，有一半的结果低于它。在从0到m序列排列中，无论n为奇数或偶数时，中位值为m/2位置处的测量值。中位值代表平均值的估计值。四分位值（q1和q3）：q1下四分位值：即数据组中有四分之一数据比它小，q1的位置量为m/4；q3上四分位值：即数据组中有四分之一数据比它大，q3的位置量为3m/4；当q1和q3的位置量不是整数时，由相邻二个数据值用内插法可求得。四分位间距（iqr）：是上四分

4、位值与下四分位值的差值。即iqr=q3-q1。标准iqr：表示数据分散程度的量，类似于标准偏差是一个结果变异量的量度。标准iqr代表标准差估计值。标准iqr=0.7413×（q3-q1）式中：0.7413是从标准正态分布导出，四分位间距转换为标准偏差的系数。稳健cv：是变异系数，等于标准iqr除以中位值，以百分数表示。二、对实验室能力结果的评价稳健z比分数是评价实验室能力的技术参数。其中：i为各参比实验室的数据结果。1、单样品设计：根据z比分数来评判实验室结果。

5、z

6、≤2为满意结果；23，属于异常值

7、，但中位值和标准iqr按稳健统计方法计算均未变动，不影响其它实验室结果。如果按照传统统计方法则平均值增加0.1，标准偏差相应改变，对所有比对实验室的结果都会带来影响。上述例子说明稳健法能很好抵御极端结果的影响。例题2：偶数10个实验室参与一项检测。如图，先从小到大排列各个参比实验室的数据结果。本组数据共10点，分为9段，取横向坐标轴，最小值为圆点。1/2，1/4，3/4处即为中位值、四分位值的位置，然后用内插法求出它们的数值。中位值q2的位置是：q2’=m/2=4.5；则q2的值q2=1/2（3.4

8、+3.6）=3.5下四分位值q1的位置是：q1’=m/4=2.25；q1=3.0+0.25×（3.1-3.0）=3.025上四分位值q3的位置是：q3’=3m/4=6.75；q3=4.0+0.75×（4.2-4.0）=4.15标准iqr=0.7413×iqr=0.7413×（q3-q1）=0.834然后，对每一个数据结果用z比分数公式进行结果判定。（见图2）稳健统计方法适用于较多实验室参加的情况。如果实验室结果数较少（<10个），则统计结果的准确性较差无法保证四分位值不受极端结果的影响，此时可考虑与

9、公议值或高水平实验室测量结果进行比较的方法。综上所述，稳健统计技术具有许多优点：（1）稳健统计技术较为简单、易懂，在数据计算、结果评定等方面公开、公平、公正。（2）数据处理具有稳健的特性，不易受极端离群值的影响。（3）当使用一对样品进行分析比对时可以得到更加完善全面的信息。如zb和zw可分别反映实验室测定结果的系统误差和随机误差。（4）可以定量的判定每个参与实验室数据的情况。（5）稳健统计技术不必剔除极度变异值，省去了大量运算简化了工作。因此，稳健统计技术受到广泛的推广应用，希望我们能够很好的运用这

10、个工具，同时不断改进其技术方法更好地促进我们的工作。