一、原始数据的整理

原始数据信息庞大，在结果计算和误差分析中并不全用，另外直接用原始记录进行结果计算和误差分析也很不方便，所以需要对原始数据进行整理。

对于分析工作来说，数据整理要求用清晰的格式把平行试验、空白试验和对照试验中相同步骤记录下的原始数据分类列出，其类别至少包含结果计算和误差分析等数据处理工作所需要的一切原始数据，例如试样称量数据、稀释倍数、标准溶液浓度和滴定消耗量、吸光度值等。

数据整理完成后，按分析方法指定的结果计算式计算出各试验的结果，并把它们也列入数据整理表中，以便在误差分析和其他数据处理时使用。

二、可疑数据的取舍—过失误差的判断

方法：Q检验法；格鲁布斯(Grubbs)检验法。

作用：确定某个数据是否可用。

经常会遇到这样的情况，一组平行测定数据中，有一个数据与其他数据偏离较大，若随意处置该数据，将产生三种结果：

(1)不应舍去，而将其舍去由于该数据存在的较大偏离是较大偶然误差所引起，舍去后，精密度虽提高，但准确度降低，如图1-5(1)所示：c线代表真值所在位置，b线代表所有数据的平均值，a线代表舍去最右端数据后的平均值，可见a线偏离真值更大。

图1-5可疑值取舍对平均值的影响

(2)应舍去，而未将其舍去该数据存在的较大偏离由未发现的操作过失所引起，如果将其保留，结果的精密度和准确度均降低。如图1-5(2)所示，所有数据的平均值(b线)偏离真值(c线)较大。如果将其舍去，则结果的精密度和准确度均提高(a线)。

(3)随意处理的结果与正确处理的结果发生巧合，两者一致虽然结果对了，但这样做盲目性大，随意处理数据使结果无可信而言。

正确的处理是按一定的统计学方法检验可疑值后，再按检验结果决定其取舍。

(一)Q检验法步骤

(1)将平行测定数据按由小到大次序排列X₁、X₂、…，X_n;

(2)根据该次平行测定个数n和可疑值究竟是X₁还是X_n，在统计量Q值计算公式表(见表1-3)中找到相应的计算公式，并将相应数据代入，求出Q_计算值；

(3)根据该次平行测定的个数n和所要求的置信概率，通过Dixon检验的临界值(又称为Q极限值)分布表(见表1-3)查得Q_极限值；

(4)如果Q_计算≥Q_极限值，则可疑值应被舍去，反之可疑值应被保留。

表1-3     Dixon检验的临界值(Q_极限值)分布表及统计量(Q_计算)的计算公式

(二)格鲁布斯(Grubbs)检验法简介

基本步骤：

(1)将平行测定数据按由小到大次序排列：X₁，X₂，…，X_n；

(2)求和标准偏差S；

(3)计算G值；

(4)由测定次数和要求的置信度，查Grubbs检验的临界值表得G表;

(5)比较：

若G_计算＞G_表，弃去可疑值，反之保留。

由于格鲁布斯(Grubbs)检验法引入了标准偏差，所以准确性比口检验法高。

相关链接：试验误差的表示和传递（二）

文章来源：《食品质量与安全检测技术》

版权与免责声明：转载目的在于传递更多信息。

如其他媒体、网站或个人从本网下载使用，必须保留本网注明的"稿件来源"，并自负版权等法律责任。

如涉及作品内容、版权等问题，请在作品发表之日起两周内与本网联系，否则视为放弃相关权利。