如何读懂校准报告？

　　在检验科的各项检查中仪器的校准报告是其中*重要的一项，校准报告中的分析数据繁多，我们怎样读懂校准报告？

　　报告中*常出现的几个名词CV值，SD值，它们各代表的什么意义，它们是如何计算出来的？

　　我们一起来了解一下吧！

　　精密度

　　计量的精密度(precisionofmeasurement)，系指在相同条件下，对被测量进行多次反复测量，测得值之间的一致(符合)程度。从测量误差的角度来说，精密度所反映的是测得值的随机误差。精密度高，不一定正确度高。也就是说，测得值的随机误差小，不一定其系统误差亦小。

　　准确度

　　是指你得到的测定结果与真实值之间的接近程度。

　　精密度与准确度的关系

　　准确度是指测得值与真值之间的符合程度。

　　准确度和精密度是两个不同的概念，但它们之间有一定的关系。应当指出的是，测定的精密度高，测定结果也越接近真实值。但不能**认为精密度高，准确度也高，因为系统误差的存在并不影响测定的精密度，相反，如果没有较好的精密度，就很少可能获得较高的准确度。可以说精密度是保证准确度的先决条件。

　　标准差

　　它能够反映变量值的离散程度，正负值就是在计算好的SD上加个正负号表示在这个范围内波动在平均值上加上或者减去这个数字，都认为在正常范围内。

　　方差：s^2=[(x1-x)^2+(x2-x)^2+......(xn-x)^2]/（n-1）(x为平均数)

　　标准差：方差的算术平方根=S

　　标准差能很客观准确的反映一组数据的离散程度，但是对于不同的检验目的，或同一项目不同的样本，标准差就缺乏可比性了，因此对于方法学评价来说又引入了变异系数CV。

　　CV(CoefficientofVariance):标准差与均值的比率。用公式表示为：CV＝σ/μ

　　线性分析验证

　　考虑预测对象发展变化本质基础上，分析因变量随一个自变量变化而变化的关联形态，借助回归分析建立它们因果关系的回归方程式，描述它们之间的平均变化数量关系，据此进行预测或控制。

　　基本原理

　　假设预测目标因变量为Y，影响它变化的一个自变量为X，因变量随自变量的增（减）方向的变化。一元线性回归分析就是要依据一定数量的观察样本（Xi,Yi）i=1，2…，n，找出回归直线方程Y=a+bX(1)

　　对应于每一个Xi，根据回归直线方程可以计算出一个因变量估计值Yi，将求出的a和b代入式（1）就得到回归直线Yi=a+bXi。那么，只要给定Xi值，就可以用作因变量Yi的预测值。

　　在分析测试中，一元回归分析通常采用相关系数r这一统计量来检验X与Y是否确实相关以及相关的程度如何。相关系数r的值总是在－1与＋1之间.

　　当r＝1时，所有的点都在一条直线即回归直线上，此时称Y与X完全线性相关

　　当r＝0时，b＝0，即回归直线平行于X轴，所示，说明Y的变化与X无关，此时X与Y毫无线性关系。

　　通过上述简单的介绍，大家应该理解了校准报告中的一些基本数据，这会更加方便了我们的日常工作。