Oblicz Wskaźnik Odchylenia Standardowego (SDI), aby ocenić dokładność wyników testów w odniesieniu do średniej kontrolnej. Niezbędne do analizy statystycznej i kontroli jakości w laboratoriach.
Oblicz wskaźnik odchylenia standardowego (SDI), aby ocenić dokładność wyników testu.
Wskaźnik Odchylenia Standardowego (SDI) to narzędzie statystyczne używane do oceny dokładności i precyzji wyniku testu w odniesieniu do średniej grupy kontrolnej lub rówieśniczej. Kwantyfikuje liczbę odchyleń standardowych, o które wynik testu odbiega od średniej kontrolnej, dostarczając cennych informacji na temat wydajności metod analitycznych w laboratoriach i innych środowiskach testowych.
SDI oblicza się za pomocą następującego wzoru:
Gdzie:
Aby obliczyć SDI:
Załóżmy:
Obliczenia:
SDI wynoszące 1.0 wskazuje, że wynik testu jest jedno odchylenie standardowe powyżej średniej kontrolnej.
SDI między -1 a +1: Akceptowalna wydajność.
Wyniki testów mieszczą się w jednym odchyleniu standardowym od średniej kontrolnej, co wskazuje na dobrą zgodność z wartościami oczekiwanymi. Zazwyczaj nie jest wymagane podejmowanie działań.
SDI między -2 a -1 lub między +1 a +2: Zakres ostrzegawczy.
Wyniki są akceptowalne, ale powinny być monitorowane. Ten zakres sugeruje potencjalne odchylenie od normy, które może wymagać uwagi. Zbadaj możliwe przyczyny i rozważ ponowne testowanie.
SDI mniejsze niż -2 lub większe niż +2: Nieakceptowalna wydajność.
Wymagana jest analiza w celu zidentyfikowania i skorygowania problemów. Wyniki w tym zakresie wskazują na znaczące odchylenie od oczekiwanych wartości i mogą oznaczać systemowe problemy w procesie testowania lub aparaturze. Zaleca się natychmiastowe działania korygujące.
W klinicznych laboratoriach SDI jest kluczowy dla:
Przemysł wykorzystuje SDI do:
Badacze stosują SDI do:
Koncepcja Wskaźnika Odchylenia Standardowego wyewoluowała z potrzeby standardowych metod oceny wydajności laboratorium. Wraz z pojawieniem się programów testowania umiejętności w połowie XX wieku laboratoria potrzebowały ilościowych miar do porównania wyników. SDI stał się fundamentalnym narzędziem, dostarczając prostego sposobu na ocenę dokładności w odniesieniu do danych grupy rówieśniczej.
Znane postacie w statystyce, takie jak Ronald Fisher i Walter Shewhart, przyczyniły się do rozwoju metod statystycznej kontroli jakości, które stanowią podstawę użycia wskaźników takich jak SDI. Ich prace położyły fundamenty pod nowoczesne praktyki zapewnienia jakości w różnych branżach.
1' Oblicz SDI w Excelu
2' Załóżmy, że Wynik Testu w komórce A2, Średnia Kontrolna w B2, Odchylenie Standardowe w C2
3= (A2 - B2) / C2
41def calculate_sdi(test_result, control_mean, standard_deviation):
2 return (test_result - control_mean) / standard_deviation
3
4## Przykład użycia
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## Przykład użycia
6test_result <- 102
7control_mean <- 100
8standard_deviation <- 2
9
10sdi <- calculate_sdi(test_result, control_mean, standard_deviation)
11cat("SDI:", sdi, "\n")
121% Oblicz SDI w 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// Przykład użycia
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)")
7Diagram SVG ilustrujący SDI i jego zakresy interpretacji.