稳健统计技术及其在实验室能力验证数据处理中的应用.pdfVIP

维普资讯 封跃鹏：稳健统计技术及其在实验室能力验证数据处理中的应用 55 稳健 统计技术及 其在 实验 室能 力验证 数据 处理 中的应 用 封跃鹏 (国家环境保护总局标准样品研究所，北京 100029) 摘要 介绍了传统统计方法存在的问题及稳健统计技术的发展历史、稳健统计技术的属性、基本假设模型、稳 健统计量及在 实验室能力验证数据处理中的具体应用，提 出了实验室能力验证的评价标准。 关键词 稳健统计 Z比分数 中位数 四分位距 稳健统计技术 自20世纪60年代兴起，20世纪 应有 的频率稍高，即观察数据 中含有离群值。 80年代初基本定型，20世纪末得到广泛的应用和普 Glancey_l曾检查了包括 5万个金属分析的250个 及。PJHuber于 1964年提出了位置参数的稳健估 误差分布，发现其中仅有 10％一15％可视为正态分 计——极大似然型估计 (简称M估计)，并解决了相 布，类似的情况也出现在血液分析的报道中 J。 应的渐近极小、极大问题。FRHampel在 20世纪 离群值会不同程度地影响到统计量和统计推断 70年代初，给出了稳健性的一个严格定义，并提出 的结果。有些统计方法对离群值相当敏感，个别的 了描述稳健性的两个重要概念：崩溃点 (breakdown 离群值会使统计量和统计推断的结果发生较大的变 point)和影响 曲线 (influencecurve)。1981年 PJ 化，导致不合理的甚至完全错误的结论。 Huber撰写了 《稳健统计》一书，奠定了稳健统计技 从分布模型上说，离群值可以看作来 自另外总 术的基础。 体的观察值。样本中含有个别离群值，可以认为是 稳健统计技术是针对实际情况中假设模型通常 对假定的分布模型的微小偏离；含有较多离群值，则 是对假定模型的较大偏离。因此，实际应用中的离 只是对实际数据的一种近似从而导致传统的统计方 法推断失误而发展起来的。它通过构造一些新的具 群值问题也可以归结为实际情况对假定模型的一种 有稳健性的方法，使得在假设模型成立时稳健方法 偏离。所以，样本均值在传统意义下的最优性，仅在 假定模型正确时成立，当实际情况与假定模型有出 具有接近最优的性能，当实际数据与假设模型少有 入时，其优 良性将受到严重破坏。 偏离时其性能仍为次优的，而在实际数据与假设模 2 数据的稳健化处理 型偏离明显时它的性能也不会变得过差。 在实际应用中，由主观判断识别出离群值，或者 l 传统统计方法存在的问题 用离群值检验法识别出离群值，然后将其剔除，对于 稳健统计技术是对传统的基于正态分布的统计 剩余样本再用传统的正态方法，这就是数据的稳健 方法相对而言的。传统的统计方法通常假定 “观测 化处理。这种方法虽然比直接使用传统的统计方法 数据一般都是基于测量误差服从独立、零均常方差 稳健性要好些，但同时也存在一些不可避免的弊端， 的正态分布假设”，即：