点击关注 关注我们吧~

偏差：描述的是预测值（估计值）的期望与真实值之间的差距。偏差越大，越偏离真实数据，如下图第二行所示。

相对标准偏差（RSD，relative standard deviation）就是指：标准偏差与计算结果算术平均值的比值。

相对标准偏差（RSD）=标准偏差（SD）/计算结果的算术平均值（X）*100%，该值通常用来表示分析测试结果的精密度。

方差：描述的是预测值的变化范围，离散程度，也就是离其期望值的距离。

方差是衡量源数据和期望值相差的度量值。方差越大，数据的分布越分散，如下图右列所示。

方差分为离散型和连续型两种类型。在统计学中，数据分布的分散程度可以通过方差来度量。当数据在平均值附近表现出较大的波动时，意味着各个数据与平均数的差异较大，进而导致差的平方和增加，方差相应增大。相反，当数据分布相对集中时，数据与平均数的差异较小，差的平方和减小，方差也相应减小。因此，方差的大小直接反映了数据的波动程度：方差越大，数据波动越剧烈；方差越小，数据波动越平稳。

在评估数据质量时，分析报告通常会提供偏倚和相对标准偏差两个重要指标。偏倚反映了数据的正确度，即数据与真实值之间的偏差程度；而相对标准偏差则衡量了数据的精密度，即数据内部的稳定性或一致性。当报告同时提供这两个指标时，我们可以更全面地了解数据的准确度情况。

然而，当分析质量不符合规范或未达到用户的期望时，我们需要从多个方面进行深入调查。这包括人员方面，如责任心和专业素养的评估；仪器方面，特别是仪器的校准状态和准确性；方法方面，特别是样品处理和分析方法的可靠性和有效性；以及环境方面，如温度、湿度、振动、电磁干扰和污染等因素对分析结果的影响。通过全面检查这些方面，并采取相应措施加以改进，我们可以确保分析质量的提升，为后续的数据分析和决策提供更加可靠和准确的依据。