在CLSI C24-A4（Statistical Quality Control for Quantitative Measurement Procedures：Principles and Definitions）一文中了解到，并非所有受到失控条件影响的患者结果都一定包含足够大的测量误差，使它们不适合其预期用途。受影响的患者结果中包含不可接受的测量误差的百分比取决于失控条件的大小以及错误条件发生的时间。
例如，如果质量要求是测量误差不得超过10%，而一个具有2%变异系数（CV）的测量程序经历了6%的失控偏移，那么在6%偏移存在期间，检查的所有患者结果都受到了偏移的影响，但只有约2.3%的受影响患者结果预计包含超过10%的测量误差。另外，如果失控条件导致过程发生了10%的偏移，那么预计有50%的受影响患者结果将包含超过10%的测量误差。
那么，如果在检测项目和检测仪器不同的情况下，根据相关的国家标准会给出不同的变异系数，偏倚和总误差。无法得知在此情况下，失控之前错误结果的预期数量。也无法预测不同变异系数下，错误结果的占比。
下面介绍一种在Matlab软件中，给定总误差，变异系数和偏移量，计算预期错误结果占比的方法。
首先，先对上方所举的例子进行验证。
通过对比得知，两张图完全符合，并且计算结果相等。
绘制方法：
1.打开Matlab，在命令行窗口输入以下代码
2.按回车执行操作，弹出的窗口即为绘制图形，在工作区可以显示图中阴影的面积。
通用代码模板：
mu = B;
sigma = CV;
area = normcdf(20, mu, sigma) – normcdf(TEa, mu, sigma);
x = -15:0.01:20;
y = normpdf(x, mu, sigma);
plot(x, y, ‘b’, ‘LineWidth’, 2);
hold on;
fill([x(x>=TEa & x<=20), 20, TEa], [y(x>=TEa & x<=20), 0, 0], ‘r’, ‘FaceAlpha’, 0.3);
title(‘Standard Normal Distribution with Area Highlighted’);
xlabel(‘x’);
ylabel(‘Probability Density’);
legend(‘PDF’, ‘Area’);
只需将标红的B，CV，TEa更改成目标值即可。
附：常用检测项目的错误数据占比
