Direkt zum Inhalt
 

Q/Hampel Webservice für PT-Anbieter

Q/Hampel-Methode nach ISO 13528

Das als Q/Hampel bezeichnete Verfahren verwendet das Q-Verfahren zur Berechnung der robusten Standardabweichung s* zusammen mit dem Hampel-Schätzer zur Berechnung des robusten Lageparameters x*. Das Verfahren wird zur statistischen Analyse von Ringversuchen eingesetzt und ist in DIN 38402 A 45 (2014) beschrieben.

So verwenden Sie das Webtool: Bitte fügen Sie Ihre Daten in das Textfeld unten ein, einen Wert pro Zeile. Sie können Ihre Daten auch aus Excel kopieren und in das Feld unten einfügen.

Wenn Sie dieses Kästchen ankreuzen, wird Ihre E-Mail-Adresse im lokalen Speicher Ihres Browsers gespeichert. Beim nächsten Besuch dieser Seite oder weiteren Auswertungen wird es automatisch ausgefüllt.
Geben Sie die zu analysierenden Daten ein. Ein Wert pro Zeile. Dezimaltrennzeichen ist ein Komma (,) oder ein Punkt (.).
Wählen Sie einen Beispieldatensatz aus.
  • Advanced statistics and reports for your interlaboratory comparisons!

    Get access to an ultimate toolbox for interlaboratory comparison with highly flexible tools for homogeneity testing, several modes for calculating the assigned value and scores.

  • Achieve excellence with our Clinical EQA software!

    Streamline your EQA processes, automate workflows, seamless enrollment and evaluate the data entry — all in one powerful tool.

  • Unlock the Power of AI for Your Business!

    From data science to decision science learn how QuoData helps you achieve your goals through its artificial intelligence and machine learning consulting services.

  • Unlock Excellence in Interlab Comparisons!

    Enhance your lab's proficiency and compliance!
    Join our webinar on ISO 17043, ISO 5725, and ISO 13528 standards.

Nachdem Sie auf „Berechnung starten“ geklickt haben, werden Ihre Daten verarbeitet. Sie erhalten eine E-Mail-Benachrichtigung, sobald die Ergebnisse fertig sind. QuoData wird Ihre Daten weder verkaufen noch an Dritte weitergeben. Die gesammelten Informationen werden nur für die automatisierte Verarbeitung Ihrer Daten und die Berechnung von Mittelwert und Standardabweichung verwendet.

Dieser Service wird von QuoData kostenlos angeboten. Bitte erwähnen Sie uns in den sozialen Medien, wenn Sie ihn nützlich finden. Und wir freuen uns immer über Ihre Ideen.

Im Gegenzug bitten wir Sie, uns Ihre E-Mail-Adresse zu hinterlassen. Diese wird von uns vertraulich behandelt und nicht an Dritte weitergegeben. Ihre E-Mail-Adresse nutzen wir, um Sie über Neuigkeiten aus den Bereichen Standardisierung, Schulung und Softwareangebote von QuoData auf dem Laufenden zu halten. Sie erhalten weniger als 10 E-Mails pro Jahr.

Q/Hampel als Software mit PROLab implementieren

PROLab ist eine Softwarefamilie zur Planung, Organisation, Durchführung und Analyse von Ringversuchen – also sowohl für Eignungsprüfungen zur Beurteilung der Leistungsfähigkeit von Laboren (typischerweise nach ISO/IEC 13528 und ISO 17043) als auch für Ringversuche zur Validierung analytischer Methoden (typischerweise nach ISO 5725 1-6).

Die Konzeption von PROLab basiert auf den in den einschlägigen internationalen Normen beschriebenen Methoden und auf hochentwickelten mathematisch-statistischen Werkzeugen. Statistische Auswertungen in PROLab werden gemäß den folgenden Rechenstandards durchgeführt:

  • ISO 13528/ISO 5725-5 (der sogenannte „A+S-Algorithmus“)
  • ISO 5725-2 für Methodenvalidierungsstudien
  • DIN 38402 A42
  • DIN 38402 A45 (Q/Hampel)
  • Schweizer Lebensmittelhandbuch
  • Q/Huber-Methode
  • Adaptive Horwitz-Funktion
  • ISO 5725-3 für verschachtelte PT-Designs

Kostenlose Beratung buchen

PROLab wird von einigen der wichtigsten PT-Anbieter weltweit verwendet und empfohlen, wie zum Beispiel:

Es wird auch in unternehmensweiten Qualitätssicherungsprogrammen verwendet, wie beispielsweise bei AngloAmerican

Vergleich von A+S und Q/Hampel

Die Q/Hampel-Methode ist wesentlich robuster als die A+S-Methode. Das bedeutet, dass ihre Ergebnisse bei Ausreißern wesentlich zuverlässiger sind.

Beispiel: Wie Sie in den folgenden beiden Diagrammen sehen können, ergeben beide Methoden sehr ähnliche Mittelwerte und Toleranzgrenzen. Dementsprechend liegen die vier Ausreißer (Labore 33, 37, 27 und 20) außerhalb der von beiden Methoden berechneten Toleranzgrenzen. Beachten Sie, dass im Fall von A+S die vier zuvor bestraften Ausreißer jetzt innerhalb der Toleranzgrenzen liegen. Eine einzige Änderung reicht aus, um die A+S-Berechnungen aus dem Gleichgewicht zu bringen, was zu einer völlig anderen Leistungsbewertung für diese vier Labore führt. Im Fall von Q/Hampel haben sich die Toleranzgrenzen – und der Mittelwert – jedoch kaum verschoben. Die vier zuvor bestraften Labore liegen immer noch außerhalb der Toleranzgrenzen.

Q/Hampel hat sich nicht täuschen lassen:

Sehen wir uns an, was passiert, wenn wir ein einziges Laborergebnis ändern:

Wie Sie in den folgenden beiden Diagrammen sehen können, ist Labor 42 jetzt auf einem Ast, sein einziger Wert von 73 weicht sogar im Vergleich zu den 4 Ausreißerergebnissen aus dem vorherigen Beispiel weit ab. Beachten Sie, dass im Fall von A+S die vier zuvor bestraften Ausreißer jetzt innerhalb der Toleranzgrenzen liegen. Eine einzige Änderung reicht aus, um die A+S-Berechnungen aus dem Gleichgewicht zu bringen, was zu einer völlig anderen Leistungsbewertung für diese vier Labore führt. Im Fall von Q/Hampel haben sich die Toleranzgrenzen – und der Mittelwert – jedoch kaum verschoben. Die vier zuvor bestraften Labore liegen immer noch außerhalb der Toleranzgrenzen. Q/Hampel hat sich nicht täuschen lassen.

Publikationen zu Q/Hampel

Die Data Scientists von QuoData sind ständig daran interessiert, die Q/Hampel-Methode und andere Standards zu verbessern. Aus diesem Grund veröffentlichen wir eine Vielzahl von Publikationen. Unter anderem:

Steffen Uhlig, Bertrand Colson, Petra Gowik (2018):
Taking laboratory uncertainties into account in the Hampel estimator
In: Accreditation and Quality Assurance
https://link.springer.com/article/10.1007/s00769-018-1332-x

Uhlig, Steffen (2015):
Robust estimation of between and within laboratory standard deviation with measurement results below the detection limit.
In: Journal für Verbraucherschutz und Lebensmittelsicherheit (10), S. 385–391
http://dx.doi.org/10.1007/s00003-015-0967-3

Colson, Bertrand (2014):
The Untold History of Algorithm A.
Hg. v. QuoData GmbH
https://www.quodata.de/en/algorithm-a