คำนวณดัชนีส่วนเบี่ยงเบนมาตรฐาน (SDI) เพื่อประเมินความถูกต้องของผลการทดสอบเมื่อเปรียบเทียบกับค่าเฉลี่ยควบคุม เป็นสิ่งจำเป็นสำหรับการวิเคราะห์ทางสถิติและการควบคุมคุณภาพในห้องปฏิบัติการ
คำนวณดัชนีส่วนเบี่ยงเบนมาตรฐาน (SDI) เพื่อประเมินความถูกต้องของผลการทดสอบของคุณ
ดัชนีความเบี่ยงเบนมาตรฐาน (SDI) เป็นเครื่องมือทางสถิติที่ใช้ในการประเมินความถูกต้องและความแม่นยำของผลการทดสอบเมื่อเปรียบเทียบกับค่าเฉลี่ยของกลุ่มควบคุมหรือกลุ่มเพื่อน มันคำนวณจำนวนความเบี่ยงเบนมาตรฐานที่ผลการทดสอบอยู่ห่างจากค่าเฉลี่ยของกลุ่มควบคุม ซึ่งให้ข้อมูลที่มีค่าเกี่ยวกับประสิทธิภาพของวิธีการวิเคราะห์ในห้องปฏิบัติการและสภาพแวดล้อมการทดสอบอื่น ๆ
SDI คำนวณโดยใช้สูตรดังต่อไปนี้:
โดยที่:
ในการคำนวณ SDI:
สมมติว่า:
การคำนวณ:
SDI ที่ได้คือ 1.0 หมายถึงผลการทดสอบอยู่สูงกว่าค่าเฉลี่ยควบคุมหนึ่งความเบี่ยงเบนมาตรฐาน
SDI ระหว่าง -1 ถึง +1: ประสิทธิภาพที่ยอมรับได้
ผลการทดสอบอยู่ภายในหนึ่งความเบี่ยงเบนมาตรฐานของค่าเฉลี่ยควบคุม บ่งชี้ถึงการตรงกันที่ดีต่อค่าที่คาดหวัง โดยปกติไม่จำเป็นต้องดำเนินการใด ๆ
SDI ระหว่าง -2 ถึง -1 หรือระหว่าง +1 ถึง +2: ช่วงเตือน
ผลลัพธ์ที่ยอมรับได้แต่ควรมีการตรวจสอบ โดยช่วงนี้บ่งชี้ถึงการเบี่ยงเบนที่อาจเกิดขึ้นจากปกติที่อาจต้องการความสนใจ ควรตรวจสอบสาเหตุที่เป็นไปได้และพิจารณาการทดสอบใหม่
SDI น้อยกว่า -2 หรือมากกว่า +2: ประสิทธิภาพที่ไม่ยอมรับได้
จำเป็นต้องมีการตรวจสอบเพื่อระบุและแก้ไขปัญหา ผลลัพธ์ในช่วงนี้บ่งชี้ถึงการเบี่ยงเบนอย่างมีนัยสำคัญจากค่าที่คาดหวังและอาจบ่งชี้ถึงปัญหาระบบในกระบวนการทดสอบหรืออุปกรณ์ โดยแนะนำให้ดำเนินการแก้ไขทันที
ในห้องปฏิบัติการทางคลินิก SDI เป็นสิ่งสำคัญสำหรับ:
อุตสาหกรรมใช้ SDI เพื่อ:
นักวิจัยใช้ SDI เพื่อ:
แนวคิดของดัชนีความเบี่ยงเบนมาตรฐานเกิดขึ้นจากความต้องการวิธีการมาตรฐานในการประเมินประสิทธิภาพของห้องปฏิบัติการ ด้วยการเกิดขึ้นของโปรแกรมการทดสอบความสามารถในกลางศตวรรษที่ 20 ห้องปฏิบัติการต้องการมาตรการเชิงปริมาณเพื่อเปรียบเทียบผลลัพธ์ SDI จึงกลายเป็นเครื่องมือพื้นฐานที่ให้วิธีการที่ตรงไปตรงมาในการประเมินความถูกต้องเมื่อเปรียบเทียบกับข้อมูลกลุ่มเพื่อน
บุคคลที่มีชื่อเสียงในสถิติ เช่น Ronald Fisher และ Walter Shewhart ได้มีส่วนร่วมในการพัฒนาวิธีการควบคุมคุณภาพทางสถิติที่เป็นพื้นฐานในการใช้ดัชนีเช่น SDI งานของพวกเขาได้วางรากฐานสำหรับแนวทางการประกันคุณภาพในอุตสาหกรรมต่าง ๆ
1' คำนวณ SDI ใน Excel
2' สมมติว่าผลการทดสอบในเซลล์ A2, ค่าเฉลี่ยควบคุมใน B2, ความเบี่ยงเบนมาตรฐานใน C2
3= (A2 - B2) / C2
41def calculate_sdi(test_result, control_mean, standard_deviation):
2 return (test_result - control_mean) / standard_deviation
3
4## ตัวอย่างการใช้งาน
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## ตัวอย่างการใช้งาน
6test_result <- 102
7control_mean <- 100
8standard_deviation <- 2
9
10sdi <- calculate_sdi(test_result, control_mean, standard_deviation)
11cat("SDI:", sdi, "\n")
121% คำนวณ SDI ใน 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// ตัวอย่างการใช้งาน
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)")
7แผนภาพ SVG ที่แสดง SDI และช่วงการตีความของมัน