重複性標準差,即在重複性條件下所得測試結果的標準差。
計算方法:
1、獨立樣件法直接透過觀測值來計算重複性標準差;
2、在控制圖法中,採用極差法。
擴充套件資料:
從幾何學的角度出發,標準差可以理解為一個從 n
維空間的一個點到一條直線的距離的函式。舉一個簡單的例子,一組資料中有3個值,X1,X2,X3。它們可以在3維空間中確定一個點 P =
(X1,X2,X3)。
想像一條透過原點的直線 。如果這組資料中的3個值都相等,則點 P 就是直線 L 上的一個點,P 到 L 的距離為0,
所以標準差也為0。若這3個值不都相等,過點 P 作垂線 PR 垂直於 L,PR 交 L 於點 R,則 R 的座標為這3個值的平均數。
運用一些代數知識,不難發現點 P 與點 R 之間的距離(也就是點 P 到直線 L 的距離)是。在 n 維空間中,這個規律同樣適用,把3換成 n 就可以了。
重複性標準差,即在重複性條件下所得測試結果的標準差。
計算方法:
1、獨立樣件法直接透過觀測值來計算重複性標準差;
2、在控制圖法中,採用極差法。
擴充套件資料:
從幾何學的角度出發,標準差可以理解為一個從 n
維空間的一個點到一條直線的距離的函式。舉一個簡單的例子,一組資料中有3個值,X1,X2,X3。它們可以在3維空間中確定一個點 P =
(X1,X2,X3)。
想像一條透過原點的直線 。如果這組資料中的3個值都相等,則點 P 就是直線 L 上的一個點,P 到 L 的距離為0,
所以標準差也為0。若這3個值不都相等,過點 P 作垂線 PR 垂直於 L,PR 交 L 於點 R,則 R 的座標為這3個值的平均數。
運用一些代數知識,不難發現點 P 與點 R 之間的距離(也就是點 P 到直線 L 的距離)是。在 n 維空間中,這個規律同樣適用,把3換成 n 就可以了。