偏倚是指一切测量值对真值的偏离。俗话叫跑偏了！所以Z值的意义可以通俗的理解为你做的试验结果与指定值偏离了多少。而这个多少需要用标准差衡量，也就是官方定义中的标准化量度，Z值简单说就是你的结果差与标准差的比值。那么，为什么一定要标准化处理呢？

比如今年的能力验证指定值是500CFU/g，那么大家的标准差可能是50CFU/g。你的结果是420CFU/g，偏差了-80。你心里美滋滋的，差距很小嘛。

明年能力验证指定值变成500000CFU/g，大家的标准差可能是50000CFU/g。你的结果是420000CFU/g，偏差了-80000。其实你也合格了。但是你自己却会嘀咕，我为啥今年水平下降这么多？偏离这么远？

为了避免这种误会，所以要标准化。将-80/50，就是-1.6。将-80000/50000，还是-1.6。标准化后发现自己的水平并没有下降，始终都是距离指定值-1.6个标准差单位。

为了方便大家的理解，我上面并没有用真实的Z值计算方法。现在开始给大家介绍真实的Z值是如何计算的。

用Z值方法来评定结果的前提是，当样品微生物水平较高时，参加者结果通常呈对数正态分布或近似对数正态分布。所以Z值评定的实质就是普通正态分布转为标准正态分布的过程。Z值±2的满意范围就是标准正态分布95%的置信区间。换句话说，如果你Z值的绝对值超过了2，你就远离了95%参加者的结果。如果超过了3，你就是那孤零零的1%了。

将所有参加者结果转换为以10为底的对数值。

将结果带入下面公式进行计算即可得到Z值。

其中

x为参加者的结果

X为指定值

σ为能力评定标准差

结果评定

三招打完，发现是不是很简单？但是似乎又有一些遗漏。公式中的指定值和标准差是怎么得到的呢？得到的方式有很多种，本文只介绍一种最常见的统计方法，中位数与标准化四分位距。在这个统计方法中将中位数作为指定值，将标准化四分位距作为标准差。此两个数据的获得也有公式，我们不再展开详细说，只要让大家理解就可以。

中位数，统计学中的专有名词，是按顺序排列的一组数据中居于中间位置的数。如此而已。

标准化四分位距，稍微麻烦一点，我们直接说四分位距，更好理解。四分位距出自四分位数，它是统计学中分位数的一种，即把所有数值由小到大排列并分成四等份，处于三个分割点位置的数值就是四分位数。而四分位距就是第三四分位数与第一四分位数的差距。一般用于表示数据的离散程度。而标准化四分位距就是四分位距乘以0.7413。因子0.7413是从标准正态分布中导出。

以最简单的一组数列（2，4，4，5，6，7，8）为例，如下图：