Er yrkeshygieniske måledata log-normalfordelte og hvordan kan vi eventuelt vite det ? Hvilke feil kan vi gjøre, og hvilken usikkerhet innebærer det.
De fleste datasett med yrkeshygieniske målinger som har blitt studert har vist seg å være skjevfordelte. Dette har trolig sammenheng av at eksponeringen ikke kan være lavere enn «0», at dager uten eksponering («null eksponering») enten ikke har blitt kartlagt, eksludert eller mistolket som verdier «under deteksjonsgrensen». Et annet forhold er at «kampanje arbeid» ofte ikke ikke er inkludert i disse datasettene. Moa datasettene som er studert er «avkortet». Dette er nærmere omtalt av Austigard og Smedbold (2018).
Teoretisk så forutsetter bruk av «log-normalfordeling» at de underliggende sammenhengene som er bestemmende for eksponeringen er multiplikkative (mao de kan ganges sammen). Dette passer for eksponering som kan beskrives på formen «frekvens» x «varighet» x «eksponeringsnivå», at det ikke er sanne «null» verdier, og at vi ikke har en fast bakgrunnseksponering (additivt tillegg).
Bruk av log-normalfordeling vil i mange sammenhenger fungere. Log-transformering av måledata er enkelt. Det er imidlertid behov for å forstå bedre hvilke sammenhenger hvor log-normalfordeling kan benyttes, hvilke usikkerheter som ligger i bruken av log-normalfordeling og hvilke analyser som må brukes når forutsetningene for bruk av log-normalfordeling ikke er tilstede. En utfordring er at de fleste yrkeshygieniske datasett er for små til å finne ut av dette på basis av hver enkelt yrkeshygienisk kartlegging.
Referanser
Austigard, A.D. og H.T. Smedbold. (2018). Estimering av gjennomsnitt og 95-persentil i datasett med verdier under rapporteringsgrensen og i avkortede datasett. Norges teknisk-naturvitenskapelige universitet (NTNU). Fakultet for økonomi, Institutt for industriell økonomi og teknologiledelse (IØT). https://usercontent.one/wp/yrkeshygiene.no/wp-content/uploads/2021/04/Eksamensoppgave-IO8500-Analyse-av-data-under-rapporteringsgrensen-Austigard-og-Smedbold.pdf?media=1692135312
