生物环境试验是评估生物样本在特定环境（如温度、湿度、污染物暴露）下响应的关键手段，其结果的可靠性直接影响生态风险评估、药品研发、环境监测等决策。精密度（多次测量结果的一致性）与准确度（结果与真值的接近程度）是衡量试验质量的核心指标，建立科学的评估方法是排除试验误差、确保数据有效性的前提，也是行业规范（如ISO 17025）的强制要求。

精密度与准确度的核心定义区分

精密度与准确度是两个独立但关联的质量指标，需明确区分其内涵。精密度描述的是多次重复测量结果的离散程度，反映随机误差的大小，与“是否接近真值”无关——即使测量结果均偏离真值，只要多次结果集中，精密度仍可良好（如打靶时子弹集中在非靶心区域）。

准确度则衡量测量结果与真值（或可追溯参考值）的接近程度，需同时考虑系统误差（如仪器校准偏差）和随机误差。例如，某试验多次测量结果的均值与真值偏差大（系统误差），即使离散程度小（精密度好），准确度仍差；若均值接近真值但离散程度大（精密度差），准确度也无法保证。

实际应用中，两者的区别可通过案例直观理解：同一操作员用同一台pH计测同一份水样，3次结果为7.21、7.23、7.22，SD=0.01，CV=0.14%，体现精密度好；若该水样的标准值为7.20，测量均值与标准值的相对误差为0.14%，说明准确度也佳。

精密度评估的常用统计方法

精密度评估需基于重复测量数据，核心是量化结果的离散程度，常用方法包括“重复性”与“再现性”分析，对应不同试验条件下的变异。

重复性（Repeatability）指“同一实验室、同一操作员、同一仪器、短时间内”对同一样本的多次测量变异，反映试验的“批内一致性”。统计量常用标准差（SD）、变异系数（CV）或相对标准偏差（RSD）：SD=√[Σ(xi-ˉx)²/(n-1)]，其中xi为单次测量值，ˉx为均值，n为测量次数；CV=SD/ˉx×100%，消除浓度水平的影响，更适合不同浓度样本的比较。

再现性（Reproducibility）指“不同实验室、操作员、仪器或时间”对同一样本的测量变异，反映试验的“批间或室间一致性”。统计量常用室间标准差（SR），需收集多个实验室的测量数据，计算各实验室均值的离散程度。例如，5个实验室测同一份土壤样本的Pb浓度，均值分别为25.1、24.9、25.3、25.0、24.8 mg/kg，SR=0.2 mg/kg，说明再现性良好。

需注意，测量次数对精密度评估的影响：n≥6时，SD的估计更稳定（根据ISO 5725-2标准）；若n<3，无法有效计算离散程度，需增加测量次数。

准确度评估的基础逻辑与参考标准

准确度评估的核心是“与真值比较”，但真值通常无法直接获取，需通过“可追溯的参考值”替代，常见参考标准包括三类：

1、有证标准物质（CRM）：由权威机构（如中国计量科学研究院、NIST）定值，证书上标注定值结果及不确定度，是准确度评估的“金标准”。例如，用GBW07401（土壤成分分析标准物质）评估土壤重金属测量的准确度，计算测量值与CRM定值的相对误差（RE=|ˉx-xt|/xt×100%，xt为CRM定值），若RE≤CRM的不确定度（如±5%），说明准确度符合要求。

2、加标回收率：针对无合适CRM的情况，向待测样本中加入已知量的目标物质（加标量为待测浓度的0.5-2倍），计算回收率（R=(xspiked-xunspiked)/xadded×100%）。例如，测水质中氨氮，向水样中加1.0 mg/L的氨氮标准溶液，测量值从0.8 mg/L升至1.75 mg/L，回收率=（1.75-0.8）/1.0×100%=95%，符合80%-120%的一般要求。

3、比对试验：用待评估方法与“参考方法”（如国标方法）测同一样本，计算相对偏差（RD=|xmethod-xref|/xref×100%）。例如，用快速消解-分光光度法与国标GB 11914-89测COD，若RD≤10%，说明方法准确度可接受。

试验设计对评估结果的影响

试验设计的合理性直接决定评估结果的可靠性，需重点控制两个因素：样本量与试验条件一致性。

样本量方面，精密度评估需足够的重复次数：平行试验（批内）一般3-5个样本，重复试验（批间）至少3次，以体现随机变异。例如，微生物平板计数试验，需做3个平行平板，计算菌落数的平均值与SD，若样本量仅1个，无法评估精密度。

试验条件一致性方面，需控制所有可能影响结果的变量：温度波动≤±1℃（如恒温培养箱）、试剂批号一致（避免不同批次试剂的纯度差异）、操作员培训一致（如移液枪的使用方法）。例如，测植物叶绿素含量时，若某一次试验的提取时间比规定少5分钟，会导致结果偏低，引入系统误差，影响准确度评估。

此外，基体效应（样本中其他成分对测量的干扰）也需考虑：若待测样本为复杂基体（如土壤、生物组织），需选择与基体匹配的标准物质或加标回收，避免因基体不同导致准确度评估偏差。

数据分布特征的验证步骤

多数精密度与准确度评估方法（如SD计算、t检验）假设数据服从正态分布，因此需先验证数据的分布特征，否则统计结果可能失效。

验证步骤包括：1、可视化检查：绘制直方图或正态概率图，若数据点近似一条直线，说明服从正态分布。

2、统计检验：小样本（n≤50）用Shapiro-Wilk检验，大样本（n>50）用Kolmogorov-Smirnov检验，若P值>0.05（显著性水平α=0.05），则接受正态分布假设。

若数据不服从正态分布，需进行处理：1、数据转换：如对数转换（适用于右偏分布，如微生物菌落数、污染物浓度）、平方根转换（适用于泊松分布）；2、非参数方法：如用中位数替代均值、用四分位距替代SD，避免正态分布假设的限制。例如，测空气中PM2.5浓度，数据呈对数正态分布，转换为ln(PM2.5)后再计算SD，评估精密度。

需注意，数据分布验证是统计分析的前提，若跳过此步骤，可能导致精密度评估结果偏高或偏低（如非正态数据的SD会被异常值放大）。

异常值的识别与处理规则

异常值（偏离其他数据的极端值）会显著影响精密度与准确度的计算，需科学识别与处理，避免误判。

识别方法：1、Grubbs检验（适用于正态分布，n≥3）：计算统计量G=|x可疑-ˉx|/SD，与临界值Gα,n（α=0.05，n为样本量）比较，若G>Gα,n，则可疑值为异常值。

2、Dixon检验（适用于小样本，n=3-10）：计算极差比（如n=3时，r10=|x2-x1|/|x3-x1|），与临界值比较，判断异常值。

处理规则：1、先检查操作记录：若异常值由明显错误（如加错试剂、仪器故障）导致，直接剔除，并记录原因。

2、无明显错误时，用统计方法判断：若异常值被检验为显著（如Grubbs检验P<0.05），可剔除，但需说明统计方法与理由。

3、若无法确定，保留异常值，用稳健统计方法（如中位数、四分位距）替代均值与SD，减少异常值的影响。

例如，测水质中总磷，5次结果为0.32、0.34、0.33、0.35、0.50 mg/L，计算均值=0.368，SD=0.078，Grubbs统计量G=|0.50-0.368|/0.078≈1.69，查临界值G0.05,5=1.67，因此0.50为异常值。检查操作记录发现，该次试验的比色皿未清洗干净，剔除该数据后，均值=0.335，SD=0.013，精密度评估更合理。

平行试验与重复试验的设计要点

平行试验与重复试验是获取精密度数据的基础，设计时需明确目的与参数：

平行试验（Parallel Test）：同一批次样本同时进行多个相同处理，用于评估“批内精密度”（同一试验条件下的变异）。设计要点：平行样数量3-5个（根据试验要求），样本量过少无法体现离散程度，过多则增加成本。例如，做酶活性测定时，每个样本做3个平行样，计算吸光度的平均值与SD，评估批内精密度。

重复试验（Replicate Test）：不同批次（如不同天、不同操作员、不同仪器）进行相同的试验，用于评估“批间精密度”（不同试验条件下的变异）。设计要点：重复次数至少3次，以体现时间、人员或仪器的变异。例如，药品稳定性试验中，需在0、1、2、3、6个月做重复试验，每个时间点做3个平行样，计算各时间点的SD与不同时间点的SR，评估批间精密度。

需注意，平行试验与重复试验的结合：例如，环境监测中，每月采集一次水样，每次采集3个平行样，做6个月的重复试验，既能评估每月的批内精密度，又能评估不同月份的批间精密度，全面反映试验的变异情况。

标准物质在准确度评估中的应用细节

标准物质（RM）是准确度评估的关键工具，但需正确选择与使用，否则会导致评估结果偏差：

选择标准物质的原则：1、基体匹配：标准物质的基体应与待测样本一致（如测血液中的葡萄糖，选血液基体的RM）；2、浓度匹配：标准物质的浓度应接近待测样本的浓度（如待测样本的浓度为10 mg/L，选浓度为8-12 mg/L的RM）；3、溯源性：标准物质需有权威机构的定值证书，证书上标注定值结果、不确定度及溯源链。

使用标准物质的要点：1、按证书要求处理：如冷冻保存的RM需在室温下平衡30分钟后使用，避免温度差异导致的结果偏差。

2、平行测定：对标准物质做3-5个平行样，计算平均值与SD，确保测量的精密度符合要求。

3、结果比较：计算测量值与RM定值的相对误差，若RE≤RM的不确定度，说明准确度符合要求。

例如，用GBW10023（茶叶成分分析标准物质）评估茶叶中caffeine的测量准确度，RM的定值为2.85%±0.08%，测量结果为2.82%，RE=|2.82-2.85|/2.85×100%≈1.05%，小于RM的不确定度（0.08%/2.85%≈2.8%），说明准确度良好。

精密度与准确度的联合评估策略

单独评估精密度或准确度无法全面反映试验质量，需联合评估，常用策略包括控制图与测量不确定度：

控制图（Control Chart）：用均值-标准差（ˉx-S）控制图，横轴为试验批次（如时间），纵轴为测量值或统计量。均值线（CL=ˉx）代表准确度（与目标值的偏差），上控制限（UCL=ˉx+3S）与下控制限（LCL=ˉx-3S）代表精密度（离散程度）。若数据点均在控制限内，且无趋势性变化（如持续上升或下降），说明精密度与准确度均稳定。例如，环境监测站每天测同一标准溶液的COD浓度，绘制ˉx-S控制图，若某一天的均值超出UCL，说明准确度异常（如试剂失效）；若SD超出UCL，说明精密度异常（如移液枪校准失效）。

测量不确定度（Measurement Uncertainty）：综合考虑所有影响结果的误差源（系统误差与随机误差），用扩展不确定度（U=k×u，k=2，代表95%置信水平）表示。不确定度越小，说明精密度与准确度越好。例如，测土壤中Pb浓度的结果为25.0±1.0 mg/kg（k=2），其中u=0.5 mg/kg，包含了样品制备的随机误差（0.3 mg/kg）与仪器校准的系统误差（0.4 mg/kg），综合体现了精密度与准确度。

联合评估的优势：能识别“精密度好但准确度差”（如仪器未校准，结果一致但偏离真值）或“准确度好但精密度差”（如结果偶尔接近真值，但离散程度大）的情况，为试验改进提供更全面的依据。