前言
如何评价分析测试数据的质量,或者说明其测定数据在多大程度上是可靠的,一直是分析工作者和管理者关心和希望解决的问题。
在日常分析测试工作中,测量误差、测量不确定度、精密度、准确度、偏差、方差等是经常运用的术语,它直接关系到测量结果的可靠程度和量值的准确一致。
传统的方法多是用精密度和准确度来衡量。但是,通常说的准确度和误差只是一个定性的、理想化的概念,因为实际样品的真值是不知道的。而精密度只是表示最终测定数据的重复性,不能真正衡量其测定的可靠程度。
作为一名分析测试人员,这些术语是应该搞清楚的概念,但这些概念互相联系又有区别,也常常使人不知所云。
下面小编就带大家看一下它们的区别在哪里。
测量误差
测量误差表示测量结果偏离真值的程度。
真值是一个理想的概念,严格意义上的真值通过实际测量是不能得到的,因此误差也就不能够准确得到。
在实际误差评定过程中,常常以约定真值作为真值来使用,约定真值本身有可能存在误差,因而得到的只能是误差的估计值。
此外,误差本身的概念在实际应用过程中容易出现混乱和错误理解。按照误差的定义,误差应是一个差值。当测量结果大于真值时,误差为正,反之亦然。误差在数轴上应该是一个点,但实际上不少情况下对测量结果的误差都是以一个区间来表示(从一定程度上也反映了误差定义的不合理),这实际上更像不确定度的范围,不符合误差的定义。
在实际工作中,产生误差的原因很多,如方法、仪器、试剂产生的误差,恒定的个人误差,恒定的环境误差,过失误差,不可控制或未加控制的因素变动等。
由于系统误差和随机误差是两个性质不同的量,前者用标准偏差或其倍数表示,后者用可能产生的最大误差表示。数学上无法解决两个不同性质的量之间的合成问题。因此,长期以来误差的合成方法上一直无法统一。这使得不同的测量结果之间缺乏可比性。
不确定度
测量不确定度为“表征合理地赋予被测量之值的分散性,与测量结果想联系的参数”。
定义中的参数可能是标准偏差或置信区间宽度。不确定度是建立在误差理论基础上的一个新概念,它表示由于测量误差的存在而对被测量值不能肯定的程度,是定量说明测量结果质量的重要参数。
例如,测量结果可能非常接近真值(误差很小),但由于认知不足,人们赋予的不确定度落在一个较大的区间内。也可能实际测量误差很大,但由于分析估计不足,给出的不确定度偏小。
一个完整的测量结果,不仅要表示其量值的大小,还需要给出测量的不确定度,表示了被测量值在一定概率水平所处的范围。测量不确定度越小,其测量结果的可疑程度越小,可信度越大,测量的质量就越高,测量数据的使用价值越高。
在实际工作中,测量不确定度可能来源有很多,如定义不完整、取样、基体效应、环境条件、质量和容量器皿的不确定、标准物质、测量方法和程序中的估计和假定以及随机变化等。测量不确定度一般来源于随机性和模糊性,这就使得测量不确定度一般有许多分量组成。在评估总不确定度时,可能有必要分析不确定的每一个来源并分别处理,以确定其对总不确定度的贡献。每一个贡献量即为一个不确定度分量。
精密度和准确度
精度细分为:
准确度:系统误差对测量结果的影响。
精密度:随机误差对测量结果的影响。
精确度:系统误差和随机误差综合后对测量结果的影响。
精度是误差理论中的说法,与测量不确定度是不用的概念,在误差理论中,精度定量的特征可用目前的测量不确定度(对测量结果而言)和极限误差(对测量仪器仪表)来表示。
对测量而言,精密度高的准确度不一定高,准确度高的精密度不一定高,但精确度高的准确度和精密度都高,精度是精确度的简称。目前,不提倡精度的说法。
我们看待精密度和准确度就如同打靶一样,靶心为真值,设计点为测试结果,分为4种情况:
上述4种情况中,第1种情况最好,各测试结果很接近,精密度好,平均值与真值很接近,正确度好。既精密,又正确,称为准确度好。这是分析工作者所追求的。
第2种情况,各测试结果接近程度与图1相同,只是整体从靶心沿半径往外平移一大段距离。表示的期望从靶心移到从外往内第一与第二圈之间。与第1种情况相比,精密度不变,正确度变差了。
第3种情况,是图1中测试结果以靶心为中心,各自沿半径往外平移不等距离,象炸开了一样,变得很分散了。与第1种情况相比,正确度不变,精密度变差了。
第4种情况,各次测试结果接近程度与图3相同,整体偏移程度与图2相同。与第1种情况相比,精密度变差,正确度也变差了。既不精密,又不正确,准确度差。
相对标准偏差和方差
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。
方差分为离散型方差和连续型方差,在统计学意义上,当数据分布比较分散(即数据在平均数附近波动较大)时,各个数据与平均数的差的平方和较大,方差就较大;当数据分布比较集中时,各个数据与平均数的差的平方和较小。因此方差越大,数据的波动越大;方差越小,数据的波动就越小。
当一份分析报告标明了这批数据的偏倚(表明了正确度)和相对标准偏差(表明了精密度) ,也就标明了这批数据的准确度。
当分析质量不能满足规范的规定或与数据用户的约定要求时,需要从人员(责任心和专业素养)、 仪器(特别是仪器的校准)、 方法(特别是化验中的样品分解方法)和环境(温度、 湿度、 振动、 电磁干扰、 污染等) 4个方面检查原因并采取相应措施,把问题解决了才可继续进行分析。
审核编辑:刘清
-
测量仪
+关注
关注
1文章
657浏览量
32867 -
RSD
+关注
关注
0文章
10浏览量
7962
原文标题:什么是误差、不确定度、精密度、准确度、偏差、方差
文章出处:【微信号:深圳市赛姆烯金科技有限公司,微信公众号:深圳市赛姆烯金科技有限公司】欢迎添加关注!文章转载请注明出处。
发布评论请先 登录
相关推荐
评论