（1）准确度与精密度的概念及相互关系 准确度与精密度具有不同的概念，当有真值（或标准值）作比较时，它们从不同侧面反映了分析结果的可靠性。
（2）系统误差与偶然误差的性质、来源、减免方法及相互关系 系统误差分为方法误差、仪器或试剂误差及操作误差。
系统误差造成
有固定的方向和大小，重复测定时重复出现，可通过与经典方法进行比较、校准仪器、作对照试验、空白试验及回收试验等方法，检查及减免系统误差。
偶然误差引起
其方向和大小都不固定，因此，不能用加校正值的方法减免。
但偶然误差的出现服从统计规律，因此，适当地增加平行测定次数，取平均值表示测定结果，可以减小偶然误差。
二者的关系是
在消除系统误差的前提下，平行测定次数越多，偶然误差就越小，其平均值越接近于真值（或标准值）。
保留有效数字位数的原则
只允许在末位保留一位可疑数。有效数字位数反映了测量的准确程度，绝不能随意增加或减少。
在计算一组准确度不等（有效数字位数不等）的数据前，应采用“四舍六入五留双”的规则将多余数字进行修约，再根据误差传递规律进行有效数字的运算。
（4）有限测量数据的统计处理与t分布 通常分析无法得到总体平均值μ和总体标准差σ，仅能由有限测量数据的样本平均值和样本标准差S来估计测量数据的分散程度，即需要对有限测量数据进行统计处理，再用统计量去推断总体。由于和S均为随机变量，因此这种估计必然会引进误差。特别是当测量次数较少时，引入的误差更大。
（5）置信水平与置信区间的关系 置信水平越低，置信区间就越窄，置信水平越高，置信区间就越宽，即提高置信水平需要扩大置信区间。置信水平定得过高，判断失误的可能性虽然很小，却往往因置信区间过宽而降低了估计精度，实用价值不大。在相同的置信水平下，适当增加测定次数n，可使置信区间显著缩小，从而提高分析测定的准确度。
（6）显著性检验及注意问题 t检验用于判断某一分析方法或操作过程中是否存在较大的系统误差，为准确度检验，包括样本均值与真值（或标准值）间的t检验和两个样本均值间的t检验；
需要注意
①检验两个分析结果间是否存在着显著性差异时，用双侧检验；若检验某分析结果是否明显高于（或低于）某值，则用单侧检验；
②由于 t与F等的临界值随α的不同而不同，因此置信水平P或显著性水平α的选择必须适当，否则可能将存在显著性差异的两个分析结果判为无显著性差异，或者相反。
（7）可疑数据取舍 在一组平行测量值中常常出现某一、两个测量值比其余值明显地偏高或偏低，即为可疑数据。首先应判断此可疑数据是由过失误差引起的，还是偶然误差波动性的极度表现？若为前者则应当舍弃，而后者需用Q检验或G检验等统计检验方法，确定该可疑值与其它数据是否来源于同一总体，以决定取舍。
（8）数据统计处理的基本步骤 进行数据统计处理的基本步骤是，首先进行可疑数据的取舍（Q检验或G检验），而后进行精密度检验（F检验），最后进行准确度检验（t检验）。
（9）相关与回归分析 相关分析就是考察x与y两个变量间的相关性，相关系数r越接近于±1，二者的相关性越好，实验误差越小，测量的准确度越高。回归分析就是要找出x与y两个变量间的函数关系，若x与y之间呈线性函数关系，即可简化为线性回归。
