ਮਿਆਰੀ ਵਿਸ਼ਮਤਾ ਸੂਚਕਾਂਕ ਕੈਲਕੁਲੇਟਰ

ਆਪਣੇ ਟੈਸਟ ਨਤੀਜਿਆਂ ਦੀ ਸਹੀਤਾ ਦਾ ਅੰਕਲਨ ਕਰਨ ਲਈ ਮਿਆਰੀ ਵਿਸ਼ਮਤਾ ਸੂਚਕਾਂਕ (SDI) ਦੀ ਗਣਨਾ ਕਰੋ।

ਮਿਆਰੀ ਵਿਖਰਾਅ ਸੂਚਕ (SDI) ਗਣਕ

ਪਰੀਚਯ

ਮਿਆਰੀ ਵਿਖਰਾਅ ਸੂਚਕ (SDI) ਇੱਕ ਅੰਕੜਾ ਸਾਧਨ ਹੈ ਜੋ ਕਿਸੇ ਟੈਸਟ ਦੇ ਨਤੀਜੇ ਦੀ ਸਹੀਤਾ ਅਤੇ ਸਟੀਕਤਾ ਨੂੰ ਇੱਕ ਨਿਯੰਤਰਣ ਜਾਂ ਸਾਥੀ ਸਮੂਹ ਦੇ ਮੱਧ ਨਾਲ ਮੁਕਾਬਲਾ ਕਰਨ ਲਈ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ। ਇਹ ਗਣਨਾ ਕਰਦਾ ਹੈ ਕਿ ਇੱਕ ਟੈਸਟ ਦਾ ਨਤੀਜਾ ਨਿਯੰਤਰਣ ਦੇ ਮੱਧ ਤੋਂ ਕਿੰਨੇ ਮਿਆਰੀ ਵਿਖਰਾਅ ਦੂਰ ਹੈ, ਜੋ ਲੈਬੋਰੇਟਰੀ ਸੈਟਿੰਗਾਂ ਅਤੇ ਹੋਰ ਟੈਸਟਿੰਗ ਵਾਤਾਵਰਣਾਂ ਵਿੱਚ ਵਿਸ਼ਲੇਸ਼ਣੀ ਤਰੀਕਿਆਂ ਦੀ ਕਾਰਗੁਜ਼ਾਰੀ ਬਾਰੇ ਕੀਮਤੀ ਜਾਣਕਾਰੀ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ।

ਫਾਰਮੂਲਾ

SDI ਨੂੰ ਹੇਠਾਂ ਦਿੱਤੇ ਫਾਰਮੂਲੇ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਗਣਨਾ ਕੀਤੀ ਜਾਂਦੀ ਹੈ:

\text{SDI} = \frac{\text{ਟੈਸਟ ਨਤੀਜਾ} - \text{ਨਿਯੰਤਰਣ ਮੱਧ}}{\text{ਮਿਆਰੀ ਵਿਖਰਾਅ}}

ਜਿੱਥੇ:

ਟੈਸਟ ਨਤੀਜਾ: ਟੈਸਟ ਤੋਂ ਪ੍ਰਾਪਤ ਕੀਤੀ ਗਈ ਕੀਮਤ।
ਨਿਯੰਤਰਣ ਮੱਧ: ਨਿਯੰਤਰਣ ਨਮੂਨਿਆਂ ਜਾਂ ਸਾਥੀ ਸਮੂਹ ਦੇ ਡੇਟਾ ਤੋਂ ਪ੍ਰਾਪਤ ਕੀਤੀ ਗਈ ਔਸਤ ਕੀਮਤ।
ਮਿਆਰੀ ਵਿਖਰਾਅ: ਨਿਯੰਤਰਣ ਡੇਟਾ ਵਿੱਚ ਵਿਖਰਾਅ ਜਾਂ ਵਿਆਪਕਤਾ ਦੀ ਮਾਪ।

ਕਿਨਾਰੇ ਦੇ ਕੇਸ

ਜ਼ੀਰੋ ਮਿਆਰੀ ਵਿਖਰਾਅ: ਜੇ ਮਿਆਰੀ ਵਿਖਰਾਅ ਜ਼ੀਰੋ ਹੈ, ਤਾਂ SDI ਅਣਪਰਿਚਿਤ ਹੈ ਕਿਉਂਕਿ ਜ਼ੀਰੋ ਨਾਲ ਭਾਗ ਦੇਣਾ ਸੰਭਵ ਨਹੀਂ ਹੈ। ਇਹ ਨਿਯੰਤਰਣ ਡੇਟਾ ਵਿੱਚ ਕੋਈ ਵਿਖਰਾਅ ਨਾ ਹੋਣ ਜਾਂ ਡੇਟਾ ਇਕੱਠਾ ਕਰਨ ਵਿੱਚ ਗਲਤੀ ਦਾ ਸੰਕੇਤ ਦੇ ਸਕਦਾ ਹੈ।
ਨੈਗੇਟਿਵ ਮਿਆਰੀ ਵਿਖਰਾਅ: ਮਿਆਰੀ ਵਿਖਰਾਅ ਨੈਗੇਟਿਵ ਨਹੀਂ ਹੋ ਸਕਦਾ। ਇੱਕ ਨੈਗੇਟਿਵ ਕੀਮਤ ਗਣਨਾ ਵਿੱਚ ਗਲਤੀ ਦਾ ਸੰਕੇਤ ਕਰਦੀ ਹੈ।

ਗਣਨਾ

SDI ਦੀ ਗਣਨਾ ਕਰਨ ਲਈ:

ਟੈਸਟ ਨਤੀਜਾ ਪ੍ਰਾਪਤ ਕਰੋ: ਮਾਪੋ ਜਾਂ ਟੈਸਟ ਨਮੂਨੇ ਤੋਂ ਨਤੀਜਾ ਪ੍ਰਾਪਤ ਕਰੋ।
ਨਿਯੰਤਰਣ ਮੱਧ ਨਿਰਧਾਰਿਤ ਕਰੋ: ਨਿਯੰਤਰਣ ਨਮੂਨਿਆਂ ਤੋਂ ਔਸਤ ਦੀ ਗਣਨਾ ਕਰੋ ਜਾਂ ਸਾਥੀ ਸਮੂਹ ਦੇ ਡੇਟਾ ਤੋਂ ਪ੍ਰਾਪਤ ਕਰੋ।
ਮਿਆਰੀ ਵਿਖਰਾਅ ਦੀ ਗਣਨਾ ਕਰੋ: ਨਿਯੰਤਰਣ ਡੇਟਾ ਸੈਟ ਦਾ ਮਿਆਰੀ ਵਿਖਰਾਅ ਗਣਨਾ ਕਰੋ।
SDI ਫਾਰਮੂਲਾ ਲਾਗੂ ਕਰੋ: SDI ਫਾਰਮੂਲੇ ਵਿੱਚ ਕੀਮਤਾਂ ਨੂੰ ਬਦਲੋ।

ਉਦਾਹਰਣ ਗਣਨਾ

ਮੰਨ ਲਓ:

ਟੈਸਟ ਨਤੀਜਾ = 102
ਨਿਯੰਤਰਣ ਮੱਧ = 100
ਮਿਆਰੀ ਵਿਖਰਾਅ = 2

ਗਣਨਾ:

\text{SDI} = \frac{102 - 100}{2} = \frac{2}{2} = 1.0

SDI 1.0 ਦਾ ਮਤਲਬ ਹੈ ਕਿ ਟੈਸਟ ਨਤੀਜਾ ਨਿਯੰਤਰਣ ਮੱਧ ਤੋਂ ਇੱਕ ਮਿਆਰੀ ਵਿਖਰਾਅ ਉੱਪਰ ਹੈ।

ਨਤੀਜਿਆਂ ਦੀ ਵਿਖਿਆ

SDI -1 ਅਤੇ +1 ਦੇ ਵਿਚਕਾਰ: ਸਵੀਕਾਰਯੋਗ ਕਾਰਗੁਜ਼ਾਰੀ।

ਟੈਸਟ ਨਤੀਜੇ ਨਿਯੰਤਰਣ ਮੱਧ ਦੇ ਇੱਕ ਮਿਆਰੀ ਵਿਖਰਾਅ ਦੇ ਅੰਦਰ ਹਨ, ਜੋ ਉਮੀਦ ਕੀਤੀਆਂ ਕੀਮਤਾਂ ਨਾਲ ਚੰਗੀ ਸਹਿਮਤੀ ਦਰਸਾਉਂਦਾ ਹੈ। ਆਮ ਤੌਰ 'ਤੇ ਕੋਈ ਕਾਰਵਾਈ ਦੀ ਲੋੜ ਨਹੀਂ ਹੁੰਦੀ।
SDI -2 ਅਤੇ -1 ਦੇ ਵਿਚਕਾਰ ਜਾਂ +1 ਅਤੇ +2 ਦੇ ਵਿਚਕਾਰ: ਚੇਤਾਵਨੀ ਰੇਂਜ।

ਨਤੀਜੇ ਸਵੀਕਾਰਯੋਗ ਹਨ ਪਰ ਮਾਨੀਟਰ ਕਰਨ ਦੀ ਲੋੜ ਹੈ। ਇਹ ਰੇਂਜ ਸੰਭਾਵਤ ਵਿਖਰਾਅ ਦਾ ਸੰਕੇਤ ਦਿੰਦੀ ਹੈ ਜੋ ਧਿਆਨ ਦੀ ਲੋੜ ਰੱਖਦੀ ਹੈ। ਸੰਭਾਵਤ ਕਾਰਨਾਂ ਦੀ ਜਾਂਚ ਕਰੋ ਅਤੇ ਦੁਬਾਰਾ ਟੈਸਟ ਕਰਨ ਦੀ ਸੋਚੋ।
SDI -2 ਤੋਂ ਘੱਟ ਜਾਂ +2 ਤੋਂ ਵੱਧ: ਅਸਵੀਕਾਰਯੋਗ ਕਾਰਗੁਜ਼ਾਰੀ।

ਸਮੱਸਿਆਵਾਂ ਦੀ ਪਛਾਣ ਅਤੇ ਸੁਧਾਰ ਕਰਨ ਲਈ ਜਾਂਚ ਦੀ ਲੋੜ ਹੈ। ਇਸ ਰੇਂਜ ਵਿੱਚ ਨਤੀਜੇ ਉਮੀਦ ਕੀਤੀਆਂ ਕੀਮਤਾਂ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਵਿਖਰਾਅ ਦਰਸਾਉਂਦੇ ਹਨ ਅਤੇ ਟੈਸਟਿੰਗ ਪ੍ਰਕਿਰਿਆ ਜਾਂ ਉਪਕਰਨ ਵਿੱਚ ਸਿਸਟਮਿਕ ਸਮੱਸਿਆਵਾਂ ਦਾ ਸੰਕੇਤ ਦੇ ਸਕਦੇ ਹਨ। ਤੁਰੰਤ ਸੁਧਾਰਕ ਕਾਰਵਾਈਆਂ ਦੀ ਸਿਫਾਰਸ਼ ਕੀਤੀ ਜਾਂਦੀ ਹੈ।

ਵਰਤੋਂ ਦੇ ਕੇਸ

ਲੈਬੋਰੇਟਰੀ ਮੈਡੀਸਿਨ

ਕਲੀਨੀਕਲ ਲੈਬੋਰੇਟਰੀਆਂ ਵਿੱਚ, SDI ਮਹੱਤਵਪੂਰਨ ਹੈ:

ਗੁਣਵੱਤਾ ਨਿਯੰਤਰਣ: ਟੈਸਟਾਂ ਅਤੇ ਉਪਕਰਨਾਂ ਦੀ ਸਹੀਤਾ ਦੀ ਨਿਗਰਾਨੀ ਕਰਨ ਲਈ, ਜੋ ਭਰੋਸੇਯੋਗ ਮਰੀਜ਼ ਦੇ ਨਤੀਜੇ ਯਕੀਨੀ ਬਣਾਉਂਦੇ ਹਨ।
ਕੁਸ਼ਲਤਾ ਟੈਸਟਿੰਗ: ਸਾਥੀ ਲੈਬੋਰੇਟਰੀਆਂ ਨਾਲ ਨਤੀਜਿਆਂ ਦੀ ਤੁਲਨਾ ਕਰਕੇ ਵੱਖ-ਵੱਖ ਸਾਈਟਾਂ 'ਤੇ ਸਥਿਰ ਕਾਰਗੁਜ਼ਾਰੀ ਯਕੀਨੀ ਬਣਾਉਣਾ।
ਤਰੀਕੇ ਦੀ ਪ੍ਰਮਾਣਿਕਤਾ: ਨਵੇਂ ਟੈਸਟਿੰਗ ਤਰੀਕਿਆਂ ਦੀ ਸਥਾਪਿਤ ਮਿਆਰਾਂ ਦੇ ਖਿਲਾਫ ਮੁਲਾਂਕਣ ਕਰਨਾ ਤਾਂ ਜੋ ਉਹਨਾਂ ਦੀ ਸਹੀਤਾ ਦੀ ਪੁਸ਼ਟੀ ਕੀਤੀ ਜਾ ਸਕੇ।

ਉਦਯੋਗਿਕ ਗੁਣਵੱਤਾ ਨਿਯੰਤਰਣ

ਉਦਯੋਗ SDI ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ:

ਪ੍ਰਕਿਰਿਆ ਦੀ ਸਥਿਰਤਾ ਦਾ ਮੁਲਾਂਕਣ: ਉਤਪਾਦ ਦੀ ਗੁਣਵੱਤਾ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਨ ਵਾਲੀਆਂ ਨਿਰਮਾਣ ਪ੍ਰਕਿਰਿਆਵਾਂ ਵਿੱਚ ਬਦਲਾਅ ਜਾਂ ਰੁਝਾਨਾਂ ਦਾ ਪਤਾ ਲਗਾਉਣਾ।
ਉਤਪਾਦ ਟੈਸਟਿੰਗ: ਉਤਪਾਦਾਂ ਨੂੰ ਗੁਣਵੱਤਾ ਦੀ ਵਿਸ਼ੇਸ਼ਤਾ ਨੂੰ ਪੂਰਾ ਕਰਨ ਲਈ ਨਿਯੰਤਰਣ ਮਿਆਰਾਂ ਨਾਲ ਤੁਲਨਾ ਕਰਨਾ, ਜੋ ਨਾਕਾਮੀਆਂ ਨੂੰ ਘੱਟ ਕਰਦਾ ਹੈ।

ਖੋਜ ਅਤੇ ਵਿਕਾਸ

ਖੋਜਕ SDI ਨੂੰ ਲਾਗੂ ਕਰਦੇ ਹਨ:

ਡੇਟਾ ਵਿਸ਼ਲੇਸ਼ਣ: ਅਨੁਸੰਧਾਨ ਦੇ ਨਤੀਜਿਆਂ ਵਿੱਚ ਮਹੱਤਵਪੂਰਨ ਵਿਖਰਾਅ ਦੀ ਪਛਾਣ ਕਰਨਾ ਜੋ ਨਤੀਜਿਆਂ 'ਤੇ ਪ੍ਰਭਾਵ ਪਾ ਸਕਦਾ ਹੈ।
ਅੰਕੜਾ ਪ੍ਰਕਿਰਿਆ ਨਿਯੰਤਰਣ: ਡੇਟਾ ਇਕੱਠਾ ਕਰਨ ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿੱਚ ਇੰਟਿਗ੍ਰਿਟੀ ਨੂੰ ਬਣਾਈ ਰੱਖਣਾ, ਖੋਜ ਦੇ ਨਤੀਜਿਆਂ ਦੀ ਭਰੋਸੇਯੋਗਤਾ ਨੂੰ ਸੁਧਾਰਨਾ।

ਵਿਕਲਪ

Z-ਸਕੋਰ: ਮਾਨ ਦੀ ਆਬਾਦੀ ਵਿੱਚ ਇੱਕ ਤੱਤ ਕਿੰਨੇ ਮਿਆਰੀ ਵਿਖਰਾਅ ਦੂਰ ਹੈ, ਇਹ ਮਾਪਦਾ ਹੈ।
ਵਿਆਪਕਤਾ ਦਾ ਗੁਣਾਂਕ (CV%): ਮਿਆਰੀ ਵਿਖਰਾਅ ਨੂੰ ਔਸਤ ਦੇ ਨਾਲ ਤੁਲਨਾ ਕਰਦਾ ਹੈ, ਪ੍ਰਤੀਸ਼ਤ ਵਿੱਚ ਪ੍ਰਗਟ; ਵੱਖ-ਵੱਖ ਡੇਟਾ ਸੈਟਾਂ ਦੇ ਵਿਚਕਾਰ ਵਿਖਰਾਅ ਦੇ ਪੱਧਰ ਦੀ ਤੁਲਨਾ ਕਰਨ ਲਈ ਲਾਭਦਾਇਕ।
ਸ਼ਤ ਫਰਕ: ਸਧਾਰਨ ਗਣਨਾ ਜੋ ਟੈਸਟ ਨਤੀਜੇ ਅਤੇ ਨਿਯੰਤਰਣ ਮੱਧ ਵਿਚਕਾਰ ਸ਼ਤ ਫਰਕ ਦਰਸਾਉਂਦੀ ਹੈ।

ਇਤਿਹਾਸ

ਮਿਆਰੀ ਵਿਖਰਾਅ ਸੂਚਕ ਦਾ ਧਾਰਨਾ ਲੈਬੋਰੇਟਰੀ ਕਾਰਗੁਜ਼ਾਰੀ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨ ਲਈ ਮਿਆਰੀ ਤਰੀਕਿਆਂ ਦੀ ਲੋੜ ਤੋਂ ਵਿਕਸਿਤ ਹੋਈ। 20ਵੀਂ ਸਦੀ ਦੇ ਮੱਧ ਵਿੱਚ ਕੁਸ਼ਲਤਾ ਟੈਸਟਿੰਗ ਪ੍ਰੋਗਰਾਮਾਂ ਦੇ ਆਗਮਨ ਨਾਲ, ਲੈਬੋਰੇਟਰੀਆਂ ਨੂੰ ਨਤੀਜਿਆਂ ਦੀ ਤੁਲਨਾ ਕਰਨ ਲਈ ਮਾਤਰਕ ਮਾਪਾਂ ਦੀ ਲੋੜ ਸੀ। SDI ਇੱਕ ਮੂਲ ਸਾਧਨ ਬਣ ਗਿਆ, ਜੋ ਸਾਥੀ ਸਮੂਹ ਦੇ ਡੇਟਾ ਦੇ ਖਿਲਾਫ ਸਹੀਤਾ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨ ਦਾ ਇੱਕ ਸਿੱਧਾ ਤਰੀਕਾ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ।

ਅੰਕੜਿਆਂ ਵਿੱਚ ਪ੍ਰਸਿੱਧ ਵਿਅਕਤੀਆਂ, ਜਿਵੇਂ ਕਿ ਰੋਨਾਲਡ ਫਿਸ਼ਰ ਅਤੇ ਵਾਲਟਰ ਸ਼ੇਵਾਰਟ, ਨੇ ਸਾਧਾਰਣ ਗੁਣਵੱਤਾ ਨਿਯੰਤਰਣ ਤਰੀਕਿਆਂ ਦੇ ਵਿਕਾਸ ਵਿੱਚ ਯੋਗਦਾਨ ਦਿੱਤਾ, ਜੋ SDI ਵਰਗੇ ਸੂਚਕਾਂ ਦੇ ਉਪਯੋਗ ਨੂੰ ਆਧਾਰਿਤ ਕਰਦੇ ਹਨ। ਉਨ੍ਹਾਂ ਦਾ ਕੰਮ ਵੱਖ-ਵੱਖ ਉਦਯੋਗਾਂ ਵਿੱਚ ਆਧੁਨਿਕ ਗੁਣਵੱਤਾ ਯਕੀਨੀ ਬਣਾਉਣ ਦੇ ਅਭਿਆਸਾਂ ਲਈ ਆਧਾਰ ਪੈਦਾ ਕਰਦਾ ਹੈ।

ਸੀਮਾਵਾਂ

ਸਧਾਰਨ ਵੰਡ ਦਾ ਅਨੁਮਾਨ: SDI ਦੀਆਂ ਗਣਨਾਵਾਂ ਇਹ ਮੰਨਦੀਆਂ ਹਨ ਕਿ ਨਿਯੰਤਰਣ ਡੇਟਾ ਇੱਕ ਸਧਾਰਨ ਵੰਡ ਦਾ ਪਾਲਣ ਕਰਦਾ ਹੈ। ਜੇ ਡੇਟਾ ਵਕ੍ਰਿਤ ਹੈ, ਤਾਂ SDI ਕਾਰਗੁਜ਼ਾਰੀ ਨੂੰ ਸਹੀ ਤਰੀਕੇ ਨਾਲ ਦਰਸਾ ਨਹੀਂ ਸਕਦਾ।
ਬਾਹਰੀ ਕੀਮਤਾਂ ਦਾ ਪ੍ਰਭਾਵ: ਨਿਯੰਤਰਣ ਡੇਟਾ ਵਿੱਚ ਅਤਿਅਧਿਕ ਕੀਮਤਾਂ ਮੱਧ ਅਤੇ ਮਿਆਰੀ ਵਿਖਰਾਅ ਨੂੰ ਵਕ੍ਰਿਤ ਕਰ ਸਕਦੀਆਂ ਹਨ, ਜੋ SDI ਦੀ ਗਣਨਾ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਦੀਆਂ ਹਨ।
ਨਮੂਨਾ ਆਕਾਰ ਦੀ ਨਿਰਭਰਤਾ: ਛੋਟੇ ਨਿਯੰਤਰਣ ਸਮੂਹਾਂ ਨਾਲ ਸਹੀ ਮਿਆਰੀ ਵਿਖਰਾਅ ਦੇ ਅਨੁਮਾਨ ਪ੍ਰਾਪਤ ਕਰਨ ਵਿੱਚ ਮੁਸ਼ਕਲ ਹੋ ਸਕਦੀ ਹੈ, ਜਿਸ ਨਾਲ SDI ਦੀਆਂ ਕੀਮਤਾਂ ਘੱਟ ਸਹੀ ਹੋ ਸਕਦੀਆਂ ਹਨ।

ਉਦਾਹਰਣ

Excel

' Excel ਵਿੱਚ SDI ਦੀ ਗਣਨਾ ਕਰੋ
' ਮੰਨ ਲਓ ਟੈਸਟ ਨਤੀਜਾ A2 ਵਿੱਚ, ਨਿਯੰਤਰਣ ਮੱਧ B2 ਵਿੱਚ, ਮਿਆਰੀ ਵਿਖਰਾਅ C2 ਵਿੱਚ
= (A2 - B2) / C2

Python

def calculate_sdi(test_result, control_mean, standard_deviation):
    return (test_result - control_mean) / standard_deviation

## ਉਦਾਹਰਣ ਦੀ ਵਰਤੋਂ
test_result = 102
control_mean = 100
standard_deviation = 2

sdi = calculate_sdi(test_result, control_mean, standard_deviation)
print(f"SDI: {sdi}")

R

calculate_sdi <- function(test_result, control_mean, standard_deviation) {
  (test_result - control_mean) / standard_deviation
}

## ਉਦਾਹਰਣ ਦੀ ਵਰਤੋਂ
test_result <- 102
control_mean <- 100
standard_deviation <- 2

sdi <- calculate_sdi(test_result, control_mean, standard_deviation)
cat("SDI:", sdi, "\n")

MATLAB

% MATLAB ਵਿੱਚ SDI ਦੀ ਗਣਨਾ ਕਰੋ
test_result = 102;
control_mean = 100;
standard_deviation = 2;

sdi = (test_result - control_mean) / standard_deviation;
disp(['SDI: ', num2str(sdi)]);

JavaScript

function calculateSDI(testResult, controlMean, standardDeviation) {
  return (testResult - controlMean) / standardDeviation;
}

// ਉਦਾਹਰਣ ਦੀ ਵਰਤੋਂ
const testResult = 102;
const controlMean = 100;
const standardDeviation = 2;

const sdi = calculateSDI(testResult, controlMean, standardDeviation);
console.log(`SDI: ${sdi}`);

Java

public class SDICalculator {
    public static void main(String[] args) {
        double testResult = 102;
        double controlMean = 100;
        double standardDeviation = 2;

        double sdi = (testResult - controlMean) / standardDeviation;
        System.out.println("SDI: " + sdi);
    }
}

C/C++

#include <iostream>

int main() {
    double testResult = 102;
    double controlMean = 100;
    double standardDeviation = 2;

    double sdi = (testResult - controlMean) / standardDeviation;
    std::cout << "SDI: " << sdi << std::endl;

    return 0;
}

C#

using System;

class Program
{
    static void Main()
    {
        double testResult = 102;
        double controlMean = 100;
        double standardDeviation = 2;

        double sdi = (testResult - controlMean) / standardDeviation;
        Console.WriteLine("SDI: " + sdi);
    }
}

PHP

<?php
$testResult = 102;
$controlMean = 100;
$standardDeviation = 2;

$sdi = ($testResult - $controlMean) / $standardDeviation;
echo "SDI: " . $sdi;
?>

Ruby

test_result = 102
control_mean = 100
standard_deviation = 2

sdi = (test_result - control_mean) / standard_deviation
puts "SDI: #{sdi}"

Go

package main

import "fmt"

func main() {
    testResult := 102.0
    controlMean := 100.0
    standardDeviation := 2.0

    sdi := (testResult - controlMean) / standardDeviation
    fmt.Printf("SDI: %.2f\n", sdi)
}

Swift

let testResult = 102.0
let controlMean = 100.0
let standardDeviation = 2.0

let sdi = (testResult - controlMean) / standardDeviation
print("SDI: \(sdi)")

ਚਿੱਤਰ

SDI ਅਤੇ ਇਸ ਦੀਆਂ ਵਿਖਿਆਵਾਂ ਦੀ ਵਿਆਖਿਆ ਕਰਨ ਵਾਲਾ SVG ਚਿੱਤਰ।

ਹਵਾਲੇ

ਕਲੀਨੀਕਲ ਅਤੇ ਲੈਬੋਰੇਟਰੀ ਮਿਆਰੀ ਸੰਸਥਾ (CLSI) - ਕਲੀਨੀਕਲ ਲੈਬੋਰੇਟਰੀ ਨੂੰ ਸੁਧਾਰਨ ਲਈ ਕੁਸ਼ਲਤਾ ਟੈਸਟਿੰਗ ਦੀ ਵਰਤੋਂ
ਵੈਸਟਗਾਰਡ, ਜੇ.ਓ. - ਮੂਲ QC ਪ੍ਰਥਾਵਾਂ
ਵਿਕੀਪੀਡੀਆ - ਮਿਆਰੀ ਸਕੋਰ
ਮੋਂਟਗੋਮਰੀ, ਡੀ.ਸੀ. - ਅੰਕੜਾ ਗੁਣਵੱਤਾ ਨਿਯੰਤਰਣ ਵਿੱਚ ਜਾਣ-ਪਛਾਣ