前言

如何評價分析測試數據的質量，或者說明其測定數據在多大程度上是可靠的，一直是分析工作者和管理者關心和希望解決的問題。

在日常分析測試工作中，測量誤差、測量不確定度、精密度、準確度、偏差、方差等是經常運用的術語，它直接關系到測量結果的可靠程度和量值的準確一致。

傳統的方法多是用精密度和準確度來衡量。但是，通常說的準確度和誤差只是一個定性的、理想化的概念，因為實際樣品的真值是不知道的。而精密度只是表示最終測定數據的重復性，不能真正衡量其測定的可靠程度。

作為一名分析測試人員，這些術語是應該搞清楚的概念，但這些概念互相聯系又有區別，也常常使人不知所云。

下面小編就帶大家看一下它們的區別在哪里。

測量誤差

測量誤差表示測量結果偏離真值的程度。

真值是一個理想的概念，嚴格意義上的真值通過實際測量是不能得到的，因此誤差也就不能夠準確得到。

在實際誤差評定過程中，常常以約定真值作為真值來使用，約定真值本身有可能存在誤差，因而得到的只能是誤差的估計值。

此外，誤差本身的概念在實際應用過程中容易出現混亂和錯誤理解。按照誤差的定義，誤差應是一個差值。當測量結果大于真值時，誤差為正，反之亦然。誤差在數軸上應該是一個點，但實際上不少情況下對測量結果的誤差都是以一個區間來表示（從一定程度上也反映了誤差定義的不合理），這實際上更像不確定度的范圍，不符合誤差的定義。

在實際工作中，產生誤差的原因很多，如方法、儀器、試劑產生的誤差，恒定的個人誤差，恒定的環境誤差，過失誤差，不可控制或未加控制的因素變動等。

由于系統誤差和隨機誤差是兩個性質不同的量，前者用標準偏差或其倍數表示，后者用可能產生的最大誤差表示。數學上無法解決兩個不同性質的量之間的合成問題。因此，長期以來誤差的合成方法上一直無法統一。這使得不同的測量結果之間缺乏可比性。

不確定度

測量不確定度為“表征合理地賦予被測量之值的分散性，與測量結果想聯系的參數”。

定義中的參數可能是標準偏差或置信區間寬度。不確定度是建立在誤差理論基礎上的一個新概念，它表示由于測量誤差的存在而對被測量值不能肯定的程度，是定量說明測量結果質量的重要參數。

例如，測量結果可能非常接近真值（誤差很小），但由于認知不足，人們賦予的不確定度落在一個較大的區間內。也可能實際測量誤差很大，但由于分析估計不足，給出的不確定度偏小。

一個完整的測量結果，不僅要表示其量值的大小，還需要給出測量的不確定度，表示了被測量值在一定概率水平所處的范圍。測量不確定度越小，其測量結果的可疑程度越小，可信度越大，測量的質量就越高，測量數據的使用價值越高。

在實際工作中，測量不確定度可能來源有很多，如定義不完整、取樣、基體效應、環境條件、質量和容量器皿的不確定、標準物質、測量方法和程序中的估計和假定以及隨機變化等。測量不確定度一般來源于隨機性和模糊性，這就使得測量不確定度一般有許多分量組成。在評估總不確定度時，可能有必要分析不確定的每一個來源并分別處理，以確定其對總不確定度的貢獻。每一個貢獻量即為一個不確定度分量。

精密度和準確度

精度細分為：

準確度：系統誤差對測量結果的影響。

精密度：隨機誤差對測量結果的影響。

精確度：系統誤差和隨機誤差綜合后對測量結果的影響。
精度是誤差理論中的說法，與測量不確定度是不用的概念，在誤差理論中，精度定量的特征可用目前的測量不確定度（對測量結果而言）和極限誤差（對測量儀器儀表）來表示。

對測量而言，精密度高的準確度不一定高，準確度高的精密度不一定高，但精確度高的準確度和精密度都高，精度是精確度的簡稱。目前，不提倡精度的說法。

我們看待精密度和準確度就如同打靶一樣，靶心為真值，設計點為測試結果，分為4種情況：

上述4種情況中，第1種情況最好，各測試結果很接近，精密度好，平均值與真值很接近，正確度好。既精密，又正確，稱為準確度好。這是分析工作者所追求的。

第2種情況，各測試結果接近程度與圖1相同，只是整體從靶心沿半徑往外平移一大段距離。表示的期望從靶心移到從外往內第一與第二圈之間。與第1種情況相比，精密度不變，正確度變差了。

第3種情況，是圖1中測試結果以靶心為中心，各自沿半徑往外平移不等距離，象炸開了一樣，變得很分散了。與第1種情況相比，正確度不變，精密度變差了。

第4種情況，各次測試結果接近程度與圖3相同，整體偏移程度與圖2相同。與第1種情況相比，精密度變差，正確度也變差了。既不精密，又不正確，準確度差。

相對標準偏差和方差

偏差：描述的是預測值（估計值）的期望與真實值之間的差距。偏差越大，越偏離真實數據，如下圖第二行所示。相對標準偏差（RSD，relative standard deviation）就是指：標準偏差與計算結果算術平均值的比值。相對標準偏差（RSD）=標準偏差（SD）/計算結果的算術平均值（X）*100%，該值通常用來表示分析測試結果的精密度。

方差：描述的是預測值的變化范圍，離散程度，也就是離其期望值的距離。方差是衡量源數據和期望值相差的度量值。方差越大，數據的分布越分散，如下圖右列所示。

方差分為離散型方差和連續型方差，在統計學意義上，當數據分布比較分散（即數據在平均數附近波動較大）時，各個數據與平均數的差的平方和較大，方差就較大；當數據分布比較集中時，各個數據與平均數的差的平方和較小。因此方差越大，數據的波動越大；方差越小，數據的波動就越小。

當一份分析報告標明了這批數據的偏倚(表明了正確度)和相對標準偏差(表明了精密度) ,也就標明了這批數據的準確度。

當分析質量不能滿足規范的規定或與數據用戶的約定要求時,需要從人員(責任心和專業素養)、 儀器(特別是儀器的校準)、 方法(特別是化驗中的樣品分解方法)和環境(溫度、 濕度、 振動、 電磁干擾、 污染等) 4個方面檢查原因并采取相應措施,把問題解決了才可繼續進行分析。

審核編輯：劉清