Calculez l'indice d'écart type (SDI) pour évaluer l'exactitude des résultats des tests par rapport à une moyenne de contrôle. Essentiel pour l'analyse statistique et le contrôle de qualité en laboratoire.
Calculez l'Indice d'Écart-Type (IE) pour évaluer l'exactitude de vos résultats de test.
L'Indice de Déviation Standard (SDI) est un outil statistique utilisé pour évaluer l'exactitude et la précision d'un résultat de test par rapport à une moyenne de contrôle ou de groupe de pairs. Il quantifie le nombre d'écarts-types qu'un résultat de test est éloigné de la moyenne de contrôle, fournissant des informations précieuses sur la performance des méthodes analytiques dans les environnements de laboratoire et autres environnements de test.
Le SDI est calculé en utilisant la formule suivante :
Où :
Pour calculer le SDI :
Supposons :
Calcul :
Un SDI de 1.0 indique que le résultat du test est un écart-type au-dessus de la moyenne de contrôle.
SDI entre -1 et +1 : Performance acceptable.
Les résultats des tests sont dans un écart-type de la moyenne de contrôle, indiquant une bonne correspondance avec les valeurs attendues. Aucune action n'est généralement requise.
SDI entre -2 et -1 ou entre +1 et +2 : Plage d'avertissement.
Les résultats sont acceptables mais doivent être surveillés. Cette plage suggère une déviation potentielle par rapport à la norme qui pourrait nécessiter une attention. Enquêter sur les causes possibles et envisager de refaire le test.
SDI inférieur à -2 ou supérieur à +2 : Performance inacceptable.
Une enquête est nécessaire pour identifier et corriger les problèmes. Les résultats dans cette plage indiquent une déviation significative par rapport aux valeurs attendues et peuvent signifier des problèmes systémiques dans le processus de test ou l'instrumentation. Des actions correctives immédiates sont recommandées.
Dans les laboratoires cliniques, le SDI est crucial pour :
Les industries utilisent le SDI pour :
Les chercheurs appliquent le SDI pour :
Le concept de l'Indice de Déviation Standard a évolué à partir du besoin de méthodes standardisées pour évaluer la performance des laboratoires. Avec l'avènement des programmes de test de compétence au milieu du 20ème siècle, les laboratoires avaient besoin de mesures quantitatives pour comparer les résultats. Le SDI est devenu un outil fondamental, fournissant un moyen simple d'évaluer l'exactitude par rapport aux données du groupe de pairs.
Des figures éminentes en statistiques, telles que Ronald Fisher et Walter Shewhart, ont contribué au développement des méthodes de contrôle de qualité statistique qui sous-tendent l'utilisation d'indices comme le SDI. Leur travail a jeté les bases des pratiques modernes d'assurance qualité dans diverses industries.
1' Calculer le SDI dans Excel
2' Supposer que le Résultat du Test est dans la cellule A2, la Moyenne de Contrôle dans B2, l'Écart-Type dans C2
3= (A2 - B2) / C2
41def calculate_sdi(test_result, control_mean, standard_deviation):
2 return (test_result - control_mean) / standard_deviation
3
4## Exemple d'utilisation
5test_result = 102
6control_mean = 100
7standard_deviation = 2
8
9sdi = calculate_sdi(test_result, control_mean, standard_deviation)
10print(f"SDI: {sdi}")
111calculate_sdi <- function(test_result, control_mean, standard_deviation) {
2 (test_result - control_mean) / standard_deviation
3}
4
5## Exemple d'utilisation
6test_result <- 102
7control_mean <- 100
8standard_deviation <- 2
9
10sdi <- calculate_sdi(test_result, control_mean, standard_deviation)
11cat("SDI:", sdi, "\n")
121% Calculer le SDI dans MATLAB
2test_result = 102;
3control_mean = 100;
4standard_deviation = 2;
5
6sdi = (test_result - control_mean) / standard_deviation;
7disp(['SDI: ', num2str(sdi)]);
81function calculateSDI(testResult, controlMean, standardDeviation) {
2 return (testResult - controlMean) / standardDeviation;
3}
4
5// Exemple d'utilisation
6const testResult = 102;
7const controlMean = 100;
8const standardDeviation = 2;
9
10const sdi = calculateSDI(testResult, controlMean, standardDeviation);
11console.log(`SDI: ${sdi}`);
121public class SDICalculator {
2 public static void main(String[] args) {
3 double testResult = 102;
4 double controlMean = 100;
5 double standardDeviation = 2;
6
7 double sdi = (testResult - controlMean) / standardDeviation;
8 System.out.println("SDI: " + sdi);
9 }
10}
111#include <iostream>
2
3int main() {
4 double testResult = 102;
5 double controlMean = 100;
6 double standardDeviation = 2;
7
8 double sdi = (testResult - controlMean) / standardDeviation;
9 std::cout << "SDI: " << sdi << std::endl;
10
11 return 0;
12}
131using System;
2
3class Program
4{
5 static void Main()
6 {
7 double testResult = 102;
8 double controlMean = 100;
9 double standardDeviation = 2;
10
11 double sdi = (testResult - controlMean) / standardDeviation;
12 Console.WriteLine("SDI: " + sdi);
13 }
14}
151<?php
2$testResult = 102;
3$controlMean = 100;
4$standardDeviation = 2;
5
6$sdi = ($testResult - $controlMean) / $standardDeviation;
7echo "SDI: " . $sdi;
8?>
91test_result = 102
2control_mean = 100
3standard_deviation = 2
4
5sdi = (test_result - control_mean) / standard_deviation
6puts "SDI: #{sdi}"
71package main
2
3import "fmt"
4
5func main() {
6 testResult := 102.0
7 controlMean := 100.0
8 standardDeviation := 2.0
9
10 sdi := (testResult - controlMean) / standardDeviation
11 fmt.Printf("SDI: %.2f\n", sdi)
12}
131let testResult = 102.0
2let controlMean = 100.0
3let standardDeviation = 2.0
4
5let sdi = (testResult - controlMean) / standardDeviation
6print("SDI: \(sdi)")
7Un diagramme SVG illustrant le SDI et ses plages d'interprétation.