[医学]第二章误差.pptVIP

（三）准确度与精密度的关系 二、系统误差和偶然误差 (2) 分类 2.偶然误差（accidental error） 也称为随机误差（random error） 3. 过失 分析过程中的过失造成的误差不同于前两类误差。它是由于分析工作者粗心大意或违反操作规程所产生的错误，如溶液溅失、沉淀穿滤、读数记错等，都会使结果有较大的“误差”。在处理所得数据时，如发现由于过失引起的“误差”，应该把该次测定结果弃去不用。 第二节 有效数字及其运算法则 三、运算规则 2. 乘除运算 三、运算规则 使用计算器时，应注意正确保留最后计算结果的有效数字位数 偶然(随机)误差分布规律 a.正误差和负误差出现概率相等 b.小误差出现概率大，大误差出现概率小 c.特别大误差出现概率极小 d.多次测定取平均值, 偶然(随机)误差因相互抵消而缩小, 极限为零。 五、显著性检验 五、显著性检验 五、显著性检验 例：用同一方法分析试样中的Mg含量。样本1:1.23%、1.25%、1.26%；样本2:1.31%、1.34%、1.35%。试问这两个试样的Mg含量是否有显著性差异。 七、相关与回归 相关系数—r 说明线性关系的好坏 （二）回归分析 目测配线不够准确 回归分析—求回归方程，找回归线 回归线：通过一系列实验点的最佳直线，即误差最小的直线 本章总结 1.准确度和精密度 2.系统误差和偶然误差 3.误差传递 4.有效数字修约及运算法则 5.测量数据的统计处理 置信区间 显著性检验：t检验，F检验 可疑数据取舍：Q检验，G检验 ①G检验 药典法： 0.762不应舍去 GC法： 0.730应舍去 n2=5 六、可疑数据的取舍 ②F检验 S1和S2无显著性差异 ③t检验 结论：两种分析方法无显著性差异 六、可疑数据的取舍 -1?r?1 r=±1,完全线性相关 r=0, 完全非线性 （一）相关分析 两个变量间的相关分析——数据配线法 各数据排布接近一条直线—线性相关 各数据排布杂乱无章、曲线—非线性相关 (x) (y) y=a+bx b: slope, 0 七、相关与回归 1. 加减运算 结果的位数取决于绝对误差最大的数据的位数即以小数点后位数最少的数为准 例： 0.0121 绝对误差：0.0001 25.64 0.01 1.057 0.001 26.7091 26.71 有效数字的位数取决于相对误差最大的数据的位数。即以有效数字位数最少的数为准 例：(0.0325 ? 5.103 ? 60.06)/ 139.8 = 0.071179184 0.0325 ±0.0001/0.0325 ? 100%=±0.3% 5.103 ±0.001 /5.103 ? 100%=±0.02% 60.06 ± 0.01 /60.06 ? 100%=±0.02% 139.8 ±0.1 /139.8 ? 100% =±0.07% 0.0712 三、运算规则 y μ x(测量值) x-μ(误差) + - 测量值的波动符合正态分布 y — 表示概率密度 σ — 总体标准偏差，表示数据的离散程度 μ—无限次测量的总体平均值， 表示无限个数据的集中趋势（无系统误差时即为真值） x — 表示测量值 x–μ 为误差 e = 2.71828 一、偶然(随机)误差的正态分布 第三节 有限测量数据的统计处理 正态分布的特点 1．此分布曲线的最高点，对应的横坐标为? 。 大多数测量值集中在总体平均值的附近。 2．曲线以x=?对称，说明正误差和负误差出现的概率相等。 3．当x趋向于-∞或+∞时，曲线以x轴为渐近线。说明小误差出现的概率大，大误差出现的概率小，出现很大 误差的概率极小，趋近于零。 4．曲线与横坐标所夹的面积代表测量值出现的概率。 一、偶然(随机)误差的正态分布 y 一、偶然(随机)误差的正态分布 横坐标改用： 标准正态分布曲线 μ决定位置， σ决定形状 σ↑, 数据分散，曲线平坦 σ↓, 数据集中，曲线尖锐 一、偶然(随机)误差的正态分布