Dari angka 2.

1-4B juga jelas bahwa penyimpangan standart dihitung dari tiga nilai
(df = 2) (sayangnya bukan merupakan pengecualian dalam validasi sastra) agak
berarti sebagai O dapat diharapkan hingga 4,4 kali lipat dari standar deviasi dihitung!
Namun, jika beberapa set data dapat dikombinasikan (gabungan), yang degress
keseluruhan kebebasan dan dengan demikian keandalan meningkat. Dalam succh
kasus, hanya standar deviasi keseluruhan harus dilaporkan. Sebuah prasyarat untuk
penyatuan seperti data adalah bahwa semua set data harus memiliki o serupa (jika
sarana yang melihat, mereka juga harus memiliki mean sebenarnya sama, untuk
verifikasi, lihat pembahasannya dalam tingkat presisi dalam bagian 2.1.2).
Menariknya, interval kepercayaan yang disebutkan dalam pedoman ICH (walaupun
tidak jelas dinyatakan apakah sehubungan dengan standar deviasi pada mean) 1b
Namun, penulis tidak mengetahui adanya publiation validasi farmasi yang
melaporkan itu. Mengikuti pendekatan standar dengan enam atau lebih penentuan
untuk standar deviasi, selang kepercayaan tidak akan memberikan informasi
tambahan banyak, tetapi manfaat bisa menyebabkan orang untuk hesisate sebelum
melaporkan deviasi standar dari tiga penentuan saja.
tes signifikansi
Interval kepercayaan juga dasar dari uji statistik. Dalam kasus tes signifikansi,
hipotesis uji (H0) mengasumsikan, misalnya, tidak ada perbedaan (nol) antara dua
hasil rata-rata. Hal ini terpenuhi (atau ketat, hipotesis tidak dapat ditolak), ketika
interval kepercayaan dua tumpang tindih. Namun, sebagai interval kepercayaan
semakin ketat dengan meningkatnya jumlah penentuan, (teoritis) setiap perbedaan-
namun kecil dapat terbukti signifikan. Sebagai contoh, dengan asumsi deviasi
standar 0,5. perbedaan 0,5 signifikan dengan sembilan determinstions, tetapi
bahkan perbedaan 0,1 akan menjadi signifikan ketika ada 200 nilai. Tentu saja, ini
adalah (biasanya) bukan dari (praktis) bunga (lihat akurasi, bagian 2.3.1)

parameter Rebust
Parameter yang dijelaskan di atas didasarkan pada asumsi distribusi normal. Jika
prasyarat ini tidak terpenuhi, atau terganggu, misalnya dengan hasil menyimpang
tunggal (outlier), penerapan parameter rebust yang tidak berdasarkan asumsi
tertentu. Analog dengan rata-rata aritmatika adalah median. Nilai tengah dalam
memerintahkan urutan hasil. Perbandingan antara mean dan median dapat
memberikan informasi tentang gangguan yang mungkin dalam data. Namun,
seringkali masalah yang sangat kompleks untuk memperkirakan interval
kepercayaan atau keragaman untuk parameter rebust.
Alternatif lain untuk memperkirakan parameter deskripsi setiap distribusi adalah
(seribu kali lipat) perhitungan berulang dari serangkaian percobaan data (re -
sampling) untuk mencapai distribusi simulasi, yang disebut bootstrap, atau
estimination variabilitas dari kebisingan dari pengukuran tunggal menggunakan teori
probabbility bernama 'fungsi informasi saling'. Namun, teknik ini berada di luar
cakupan buku ini, dan pembaca disebut sastra spesialised.

tingkat presisi
Mengenai prosedur analitis, setiap langkah-langkah akan memberikan kontribusi
pada variabilitas keseluruhan. Oleh karena itu, ketidakpastian keseluruhan dapat
diperkirakan dengan menjumlahkan masing-masing memberikan kontribusi
keragaman, sehingga - disebut pendekatan bottom - up. Namun, pendekatan ini
cukup kompleks karena setiap langkah tidak hanya harus diperhitungkan, tetapi juga
variabilitas harus diketahui atau ditentukan.
Atau, pada engkau pendekatan (top - down) biasanya diterapkan dalam analisis
farmasi menggabungkan kelompok kontribusi yang diperoleh secara eksperimental
tingkat presisi. Seperti pendekatan holistik lebih mudah untuk menerapkan, karena
masing-masing berkontribusi individu.