I en statistisk sammenheng, er bias for en estimator definert som ± %- skyvning mellom en parameters forventede verdi og parameterens sanne verdi.
Bias brukes for å vurdere hvor riktig en analyse er, og kan brukes til å si om analysen har systematiske, proporsjonale eller tilfeldig feil som forekommer under målinger. Det kan også fortelle noe om innhenting av data eller gi oss en vurdering av resultater, for eksempel ved underestimering eller overestimering. Det kan også skyldes systematiske feil i analysen av dataene. Ved en konstant systematisk feil vil det være en konstant størrelse som er feil. Noe som betyr at % bias vil enten bli lavere eller høyere for hver måling, som kan gi enten en for høy eller for lav kurve (Figur 1). Ved en systematisk proporsjonal feil, vil størrelsen på feilen øke med konsentrasjonen av den målte analytten og % bias vil forbli den samme ved alle prøvene, og se slik ut (Figur 2). Tilfeldige feil vil forekomme som forskjellige % bias ved de fleste av prøvene.
 |
| Figur 1: Eksempel på hvordan systematiske feil påvirkes av bias. |
 |
Figur 2: Eksempel på proporsjonale feil. Kurve A og B: Proporsjonal feil. Kurve C: Proporsjonal og konstant feil. |
Bias kan ved hjelp av regresjonslikningen beregnes slik: 
Ved å sammenligne beregnet %Bias med tillatt %Bias, kan det sies om den systematiske feilen er innenfor kravene for analysen. Kravene er satt av produsentene. Dersom beregnet %Bias er mindre enn tillatt %Bias, er riktigheten for analysen godkjent.
Referanser
Carl A. Burtis, Edward R. Ashwood, David E. Bruns, 2008, Tietz, Fundamentals of clinical chemistry, Saunders Elsevier (s:1, 201), Forelesning om kvalitetskontroll, 30/9-11, Medisinsk laboratorieteknologi 1.