实验室误差分析大全，经典干货!(2)

被测样品的含量 = 样品的检测结果 × 标样含量/标样检测结果

公式中:标样含量/标样检测结果 - 即校正系数K

例题:若样品的检测结果为5.24，为验证结果的准确性，检测时带一标准样品，已知标准样品含量为1.00，则检测的结果可能出现三种情况:

a)检测结果 > 1.00 假设标样(标物)检测结果为:1.05

b)检测结果 = 1.00 假设标样(标物)检测结果为:1.00

c)检测结果 <>

校正系数K分别为:

a)校正系数为:K = 1.00÷1.05 =0.95

(检测结果>标准值，则校正系数<1)

b)校正系数为:K = 1.00÷1.00 =1.00

(检测结果 = 标准值，则校正系数=1)

c)校正系数为:K = 1.00÷0.95 =1.05

(检测结果<标准值，则校正系数>1

通过校正后，其真实结果应分别为:

a)5.24 ×0.95 =4.978 ≈ 4.98

(点评:∵ 标样检测结果高于标样明示值，则说明被检样品检测结果也同样偏高，∴为了接近真值，用<1的校正系数进行较正，其结果肯定比原检测值低)

b)5.24 ×1.00 =5.240 = 5.24

c) 5.24 ×1.05 =5.502 ≈ 5.50

(点评:∵ 标样检测结果低于标样明示值，则说明被检样品检测结果也同样偏低，∴为了接近真值，用>1的校正系数进行较正，其结果肯定比原检测值高)

【检测结果的校正非常重要，特别是在检测结果的临界值时，加入了校正系数后，结果的判定可能由合格→不合格，也可能由不合格→合格两种完全不同的结论，尤其是对批量产品的判定有着更重大的意义】

2误差偶然(随机误差、不定误差)

2.1误差偶然(也称随机误差、不定误差)定义

偶然误差指，由于在测定过程中一系列有关因素微小的随机波动而形成的具有相互抵偿性的误差。

2.2 误差偶然(随机误差、不定误差)特点

误差偶然(随机误差、不定误差)特点就个体而言是不确定的，产生的的这种误差的原因是不固定的，它的来源往往也一时难以察觉，可能是由于测定过程中外界的偶然波动、仪器设备及检测分析人员某些微小变化等所引起的，误差的绝对值和符号是可变的，检测结果时大时小、时正时负，带有偶然性。但当进行很多次重复测定时，就会发现，误差偶然(随机误差、不定误差)具有统计规律性，即服从于正态分布。

如果用置信区间〔-△、△〕，来限制这条曲线(因为我们不可将试验无限次的做下去，即使做得再多，检测结果的误差愈来愈接近于零，但永远也不会等于零)，这样得到截尾正态分布，该正态分布图较好地描述了符合该类分布的偶然误差(随机误差，不定误差)出现的客观规律，且具有以下的基本性质(偶然误差的四性)。

a)单峰性:绝对直小的误差比绝对值大的误差，出现的机会多得多(±1σ占68.3﹪)

b)对称性:绝对值相等的正、负误差出现的概率相等;

c)有界性:在一定条件下，有限次的检测中，偶然误差的绝对值不会超出一定的界限;

d)抵偿性:相同条件下，对同一量进行检测，其偶然误差的平均值，随着测量次数的无限增加，而趋于零。

【抵偿性是偶然误差最本质的统计特性，凡有抵偿性的误差都可以按偶然误差处理】。

显然，从误差的曲线本身就提供了决定了这类误差的理论根据，即用在相同条件下的一系列测量数值的算术平均值来表示分析结果，这样的平均值是比较可靠的。但，在实际工作中，进行大量的、无限次的测定显然是不真实的。因而，必须根据实际情况、根据对检测结果要求的不同，采取适当的检测次数。

采用数理统计方法以证明:

标准偏差在±1σ内的检测结果，占全部结果的68.3﹪;

标准偏差在±2σ内的检测结果，占全部结果的95.5﹪;

准偏差在±3σ内标的检测结果，占全部结果的99.7﹪;

而误差>±3σ内的检测结果，仅占全部结果的0.3﹪;

而且，由正态分布曲线可以看出，σ3 > σ2 > σ1，σ 值愈小，曲线愈陡，偶然误差的分布愈密集，反之，σ 值愈大，曲线愈平坦，偶然误差的分布就愈分散。

3粗大误差(简称粗差、也称过失误差、疏忽误差)

文章来源：《分析试验室》 网址: http://www.fxsys.cn/zonghexinwen/2020/0917/389.html