Panduan Lengkap Sisihan Piawai Relatif (RSD)

Apakah Sisihan Piawai Relatif?

Sisihan Piawai Relatif (RSD), juga dikenali sebagai pekali variasi (CV), ialah ukuran serakan terpiawai yang menyatakan sisihan piawai sebagai peratusan min. Ia merupakan piawai emas untuk menilai ketepatan dalam kimia analisis, ujian farmaseutikal, dan makmal kawalan kualiti.

Berbeza dengan sisihan piawai mutlak, RSD membolehkan anda membandingkan kebolehubahan merentasi ukuran dengan skala atau unit yang berbeza. Sisihan piawai 5 mg/L mungkin cemerlang untuk satu analisis tetapi tidak boleh diterima untuk yang lain—RSD meletakkan semuanya pada skala yang sama.

RSD vs CV

RSD dan pekali variasi (CV) adalah serupa secara matematik. RSD biasanya dinyatakan sebagai peratusan (contohnya, 5.2%), manakala CV mungkin dinyatakan sebagai perpuluhan (0.052). Dalam tetapan makmal, RSD ialah istilah yang lebih biasa.

Formula dan Pengiraan RSD

Relative Standard Deviation

RSD (%) = (s / x̄) × 100

Di mana s ialah sisihan piawai sampel dan x̄ ialah min sampel. Pengiraannya mudah:

Kira Min

Jumlahkan semua nilai dan bahagi dengan bilangan ukuran.

Kira Sisihan Piawai

Cari punca kuasa dua varians (jumlah sisihan kuasa dua daripada min, dibahagi dengan n-1).

Bahagi dan Darab

Bahagi SD dengan min, kemudian darab dengan 100 untuk menyatakan sebagai peratusan.

python

import numpy as np

def calculate_rsd(data):
    """Calculate Relative Standard Deviation"""
    mean = np.mean(data)
    std = np.std(data, ddof=1)  # Sample SD with Bessel's correction
    rsd = (std / mean) * 100
    return rsd

# Example: Analytical measurements
measurements = [98.5, 101.2, 99.8, 100.5, 99.1]
rsd = calculate_rsd(measurements)
print(f"RSD = {rsd:.2f}%")  # Output: RSD = 1.11%

Mentafsir Nilai RSD

RSD yang boleh diterima bergantung pada aplikasi, tahap kepekatan, dan keperluan pengawalseliaan anda:

RSD < 2%:Ketepatan cemerlang; tipikal untuk ujian HPLC yang disahkan dengan baik dan piawai rujukan
RSD 2-5%:Ketepatan baik; boleh diterima untuk kebanyakan ujian keseragaman kandungan farmaseutikal
RSD 5-10%:Ketepatan sederhana; mungkin boleh diterima untuk ujian biologi atau analisis surih
RSD 10-15%:Kebolehubahan lebih tinggi; tipikal untuk imunoasai dan kaedah bioanalisis
RSD > 15%:Ketepatan lemah; mungkin menunjukkan masalah kaedah atau ketidakhomogenan sampel

Kepekatan Penting

RSD biasanya meningkat pada kepekatan yang lebih rendah disebabkan impak relatif ketidakpastian pengukuran yang lebih besar. Persamaan Horwitz meramalkan hubungan ini: RSD berganda untuk setiap penurunan 10 kali ganda kepekatan analit.

Keperluan Pengawalseliaan

Agensi pengawalseliaan menetapkan keperluan RSD tertentu untuk jenis ujian yang berbeza:

Garis Panduan FDA/ICH

Kesesuaian sistem: RSD ≤ 2% (5 suntikan) · Ketepatan kaedah: RSD ≤ 2% biasanya · Keseragaman kandungan: Keperluan RSD dalam USP <905> · Disolusi: RSD ≤ 20% pada titik masa awal

Kaedah Bioanalisis

Sampel QC: RSD ≤ 15% (≤20% pada LLOQ) · Penentukur: Sekurang-kurangnya 75% dalam ±15% · Analisis semula sampel terlibat: 67% dalam 20%

Aplikasi Makmal

RSD penting merentasi sains analisis:

Pengesahan Kaedah:Menunjukkan ketepatan, kebolehulangan, dan ketepatan pertengahan semasa pembangunan kaedah
Kesesuaian Sistem:Pengesahan harian bahawa sistem HPLC berfungsi dalam spesifikasi
Kajian Kestabilan:Memantau ketepatan analisis sepanjang program kestabilan jangka panjang
Pemindahan Kaedah:Membandingkan ketepatan antara makmal atau instrumen
Kawalan Kualiti:Konsistensi antara kelompok dalam pembuatan dan ujian pelepasan

Contoh Terperinci

Contoh 1: Kesesuaian Sistem HPLC

Lima suntikan replikat memberikan kawasan puncak: 1,245,678; 1,251,234; 1,248,901; 1,244,567; 1,249,890 Min = 1,248,054 | SD = 2,689 | RSD = 0.22% - Lulus kriteria ≤2%

Contoh 2: Keseragaman Kandungan

Sepuluh ujian tablet: 99.2%, 101.5%, 98.8%, 100.3%, 99.7%, 100.8%, 99.1%, 101.2%, 100.1%, 99.5% Min = 100.02% | SD = 0.91% | RSD = 0.91% - Keseragaman cemerlang

A statistics tutorial is a practical interpretation guide, not just a formula dump. It refers to the assumptions, notation, and reporting language that analysts need when they explain a result to a teacher, manager, client, or reviewer. The article body covers the specific topic, while the sections below create a common interpretation frame that readers can reuse across related metrics.

Reading goal	What to focus on	Common mistake
Definition	What the metric is and what quantity it summarizes	Treating the formula as self-explanatory
Formula choice	Sample versus population assumptions and notation	Using n when n-1 is required or vice versa
Interpretation	Whether the result indicates concentration, spread, or risk	Calling a large value good or bad without context

Frequently Asked Questions

How should I interpret a high standard deviation?

A high standard deviation means the observations are spread farther from the mean on average. Whether that spread is acceptable depends on the context: wide dispersion might signal risk in finance, instability in manufacturing, or genuine natural variation in scientific data.

Why do some articles mention n while others mention n-1?

The denominator reflects the difference between population and sample formulas. Population variance and population standard deviation use N because the full dataset is known. Sample variance and sample standard deviation often use n-1 because Bessel’s correction reduces bias when estimating population spread from a sample.

What is a statistical interpretation guide?

A statistical interpretation guide is a page that moves beyond arithmetic and explains meaning. It tells you what a metric is, when the formula applies, and how to describe the result in plain English without overstating certainty.

Can I cite this article in a report?

You should cite the underlying authoritative reference for formal work whenever possible. This page is best used as an explanatory bridge that helps you understand the concept before quoting the original standard or handbook.

Why include direct citations on every article page?

Direct citations give readers a route to verify the definition, notation, and assumptions. That improves trust and reduces the chance that a simplified explanation is mistaken for the entire technical standard.

Authoritative References

These sources define the concepts referenced most often across our articles. Bessel's correction is a sample adjustment, variance is a squared measure of spread, and standard deviation is the square root of variance expressed in the same units as the data.