另一种评价重复实验数据可靠性的方法是分析数据的分布情况。正态分布也叫常态分布或高斯分布，是连续随机变量概率分布的一种，自然界、人类社会、心理和教育中大量现象(数值)均按正态形式分布。例如，当样本数量足够大时，社区居民能力的高低，学生成绩的好坏和身高等都属于正态分布。因此，当食品指标测定的重复数较多时，其自然测定结果也必定基本符合正态分布。而当无数次重复测定时，其自然测定结果则会出现一张类似图14-2所示的标准正态分布曲线图，这其中68%的测定数值在距离平均值±1σ之内的数值范围内，95%的数值在距离平均值±2σ之内的数值范围内，99．7%的数值在距离平均值±3σ之内的数值范围内，即“68-95-99．7”法则。也就是说，在使用正确的实验仪器和方法时，测定结果只有0．3%的概率会落在距离平均值±3σ的范围之外。
图14－2 标准正态分布曲线图
理解正态分布曲线的方法就要认识到真实值可能存在于标准偏差确定的某一置信区间内。对于大批样品，采用Z值统计来确定围绕平均值的置信区间。数据处理时，首先确定置信度(confidence)，再从表14-2中查找Z值，最后按照式(14-8)计算出结果。
表14－2 各置信度对应的Z值表
同样以14．1．3中的面包水分测定数据为例，假设的置信度为95%且有25个重复样本(非原先的5个重复样本)，可根据式(14-8)计算置信区间。这说明，根据实验测定的数据，在95%的置信度(概率)下，面包水分的真实值将处于54．62±2．94%的范围内，但需要注意的是，Z值不适合用于计算低数目样本的置信区间。
在实际运用时，常直接用
作为平均值的标准偏差。
对于低数目样本的置信区间按t表来计算。此时，根据自由度(n-1)和需要的置信度从表14-3查到t值。
表14－3 各置信度对应的t值表
以14.1.3面包水分含量的测定为例，样本数5个，自由度为(n-1=5-1=4)，因此置信区间的计算按式(14-9)进行:
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
