樣本均值和標準差是總體均值和標準差最小無偏估計量，因此經典統計方法 具有最高的統計效率（見表9）。

但經典統計方法對離群值敏感，數據總體中即使 只有一個離群值也會對經典統計方法產生很大影響。 當使用經典統計方法時，可用高置信水平的離群值檢驗剔除離群值后，計算 平均值和標準差。若對離群值進行剔除，實施機構需：

1）記錄剔除所用的檢驗方法及置信水平； 2）如采用連續離群值檢驗，需設定剔除數據的比例； 3）確認所產生的指定值及能力評定標準差滿足能力驗證計劃的目的。 

離群值剔除是數據處理程序的一部分，即使是離群剔除的結果，也要對剔除 結果進行能力評定。 

注1：GB/T6379.2[4]中7.3.4給出了用格拉布斯（Grubbs）檢驗識別離群值 的方法，此方法利用所有參加者結果的標準差（包括潛在離群值）進行檢驗。 

注2：當能力驗證計劃中使用相同的能力驗證樣品，并要求提交重復測量結 果時，通常會針對重復性測量結果的離群值采用科克倫（Cochran）檢驗，詳見 GB/T6379.2中7.3.3部分。 

注3：亦可利用穩健方法識別離群值，例如，若已計算出穩健平均值和標準 差，則參加者結果與穩健平均值之間的差值超過3倍以上穩健標準差的結果可以 視為離群值

由于經典統計方法對離群值敏感，因此通常優先采用對離群值相對不敏感的 穩健統計方法。 注：采用剔除離群值后計算標準差的經典統計方法，通常會低估近似正態分 布數據的離散性。

因此，通常采用穩健統計方法，給出離散性的無偏估計。 

中位值、尺度化中位絕對差（ MADe ）和標準化四分位距（ nIQR ）均是簡易 穩健統計量。算法A通過迭代方法轉化原始數據，為近似正態分布提供均值和標 準偏差的替代計算方法，這種方法在預期離群值比例低于20%的情況下非常有用

注1：與尺度化中位絕對差方法相比，標準化四分位距法只需要對數據進行 一次排序，但標準化四分位距的失效點（breakdownpoint）為25%（見表8）， 而尺度化中位絕對差法的失效點為50%，因此尺度化中位絕對差方法比標準化四 分位距法能忍受更高比例的離群值。 

注2：標準化四分位距法和尺度化中位絕對差法這兩種統計方法，在參加者 結果數 p?30 時會導致分散性計算值明顯偏小，可能會影響參加者結果的能力評 定

假設某次能力驗證計劃有30個結果，在B1單元格輸入“序號”，在B2-B31 生成一個序列1-30，在C1單元格輸入“排序”，再將30個數據輸入工作表的C 列，將C1-C31選中，在“數據”菜單中選擇“排序”，排序依據選擇“以當前選 定區域排序”，得到這組數據的非降序列

驗證檢測所用儀器設備和標準物質在兩次檢定/校準周期之間，能否保持良好的準確度和運行狀態。