实验室认可活动在当今社会、经济及贸易等领域中的的快速发展,对社会的经济增长起到了促进的作用。能力验证作为实验室认可活动的主要内容,在实验室的检测水平和能力校准等方面,能力验证活动扮演者至关重要的角色,已被国际组织用来对实验室进行能力评价最常采用的一种技术手段。因此也越来越多的引起实验室管理部门、各国实验室认可机构以及国际有关组织的高度重视。能力验证(Proficiency Testing)是指通过各个实验室之间的比对来确定实验室检测能力的活动。通俗地讲,能力验证就是若干个实验室对品质或特性相同的样品按照规定的实验室方法进行检验,并将检验出来的结果汇总后进行科学分析,再根据各个实验室相对于中位值的偏离程度来确定其结果为满意或离群的判断[3]。在进行能力验证计划活动时最常用的方法是稳健统计方法,但是该方法在评价实验室时缺乏一个整体的判断和评估,而且在对能力验证的结果进行分析时,往往假定数据是服从正态分布的,但是在实际问题中,通过对大量的数据进行正态性分布检验后,发现有相当一部分数据不满足正态分布的假设。这样利用稳健统计方法得出的Z比分数判定结果与测试标准规定的判定结果会产生冲突,造成了参加实验室无法分析问题的原因,使得测试结果是否准确及可靠性无从判定。就会让评审员或专家无法对该实验室的能力验证检测水平进行有效的评价,因此在不考虑实验室数据的分布类型时,能力验证在某种意义上是一种分类的问题。本文把统计学中的类平均法以及离差平方和法用于能力验证的数据统计分析中,分别对各个实验室测出的实验室数据进行统计分析,然后把所得到的结果与稳健统计方法所得到的结果进行对比,结果发现这两个聚类方法在处理能力验证的分类问题上很有效。本文主要分为四章：在第一章,主要介绍能力验证的背景、定义、意义及国内外研究状况在第二章,主要介绍本文用到的统计学中的一些统计学方法在第三章,主要用稳健统计方法、类平均法及离差平方和法分别对各个实验室测出的数据进行统计分析在第四章,对第三章处理结果进行评价及能力验证中存在的问题与展望