Training statistiek zoals opgenomen in NEN 689

Slides:



Advertisements
Verwante presentaties
Statistische uitspraken over onbekende populatiegemiddelden
Advertisements

Toetsen van verschillen tussen twee of meer groepen
Aan de hand van de volgende dia’s laten wij u zien hoe een computerprogramma, geheel automatisch, uit een opgavenbank een toets samenstelt die zo goed.
Gelijkmatige toename en afname
Inleiding in de statistiek voor de gedragswetenschappen Met ondersteuning van SPSS Guido Valkeneers.
De omvang van een steekproef bepalen
De beslissingsboom bij de accountantscontrole Hans Blokdijk
Een manier om problemen aan te pakken
Het vergelijken van twee populatiegemiddelden: Student’s t-toets
Statistiek en kans Experiment havo A.
P-waarde versus betrouwbaarheidsinterval
Verslaglegging Wat hebben we geleerd.
Statistiek Verzamelen Voorstellen Beschrijven Interpreteren
vwo C Samenvatting Hoofdstuk 14
De grafiek van een lineair verband is ALTIJD een rechte lijn.
Gegevensverwerving en verwerking
Non-parametrische technieken
Het proefverslag Van de calorimetrie-proef (proef 4) moet een proefverslag worden gemaakt. De studenten die proef 4 hebben gedaan in de week van 29 sept 
Metingen met spreiding
Eenzijdige Betrouwbaarheidsgrens
1212 /n Metingen aan de hoogte van een toren  D  wordt gemeten met onzekerheid S  =0.1 o. Vraag 1: Op welke afstand D moet je gaan staan om H zo nauwkeurig.
Algemene formule gemeten zijn berekend wordt vraag: wat is ? antwoord:
Help! Statistiek! Doorlopende serie laagdrempelige lezingen,
Help! Statistiek! Doel:Informeren over statistiek in klinisch onderzoek. Tijd:Derde woensdag in de maand, uur 16 april : Hoe interpreteren we toetsresultaten?
Voorspellende analyse
Hoofdstuk 16 De steekproefuitkomsten generaliseren naar de populatie en hypothesen over percentages en gemiddelden toetsen.
Eenvoudige data-analyse: beschrijvende statistische
Kwaliteitsbeoordeling ‘NPort’. Agenda Inleiding Wensen klant Kwaliteitsmodel Meetresultaten Conclusie.
HAV is meten ook weten Hoe betrouwbaar is een meting?
havo A Samenvatting Hoofdstuk 3
havo/vwo D Samenvatting Hoofdstuk 4
A Datum: Namen Titel: (kort en bondig) Onderzoeksvraag: Hypothese:
Interpretatie van statistiek bij toetsen en toetsvragen
WOT statistiek Inleiding
Inleiding in de statistiek voor de gedragswetenschappen
Inleiding in de statistiek voor de gedragswetenschappen
Baarde en de goede Hoofdstuk 11: Data-analyse
28 mei Symposium Statistical Auditing Slide 1 Steekproefmethoden bij EU audits Paul van Batenburg.
20 mei Symposium Statistical Auditing Slide 1 Wat zegt de COS over steekproeven en data-analyse? Paul van Batenburg.
Parametric release Wat is dat?.
IT-audit in de praktijk
1 CCC & CCM Module Statistiek voor CM Drs. J.H. Gieskens AC CCM QT.
– Hoe pak ik een kwantitatief onderzoek aan?
Testen met een klein aantal testmonsters Rob Ross.
Grafieken in de natuurkunde Ga verder Dia’s worden stap voor stap automatisch ingevuld Ga verder Pas als rechtsonder verschijnt, klik dan voor de volgende.
“Statistiek, is dat moeilijk?”
WDA voor het vmbo Wiskundige Denkactiviteiten
Alleen toevallige variaties
Controlekaarten Industrie
Betrouwbaarheidsinterval
Alleen toevallige variaties
Hoe eenvoudig is een gemiddelde?
eenheden variabele productiefactor (arbeid) productie in aantallen
Hoofdstuk 16 De steekproefuitkomsten generaliseren naar de populatie en hypothesen over percentages en gemiddelden toetsen.
Het online opzetten, afnemen, beoordelen en verwerken van toetsen
Keuzevoorlichting havo wiskunde AB.
Sneller een beter personeelsrooster voor de gynaecologieafdeling van het JBZ Maartje van de Vrugt PhD.
Training statistiek NEN-689
Kan je zelf een geschikte schaalverdeling maken
Eenvoudige data-analyse: beschrijvende statistische
De grafiek van een lineair verband is ALTIJD een rechte lijn.
Kan je zelf een geschikte schaalverdeling maken
3 vmbo-KGT Samenvatting Hoofdstuk 10
De omvang van een steekproef bepalen
Toetsen van verschillen tussen twee of meer groepen
Voorspellende analyse
Les 8 Het openingsbod van 1 in een kleur
Kwantitatieve kenmerken
Hoe eenvoudig is een gemiddelde?
Transcript van de presentatie:

Training statistiek zoals opgenomen in NEN 689 Doel: inzicht hebben hoe meetresultaten te beoordelen methodiek kunnen uitleggen aan opdrachtgevers Workshop ArboUnie – 31 okt 2018

Overzicht training statistiek NEN 689 IndusTox Consult Overzicht training statistiek NEN 689 Blok 1 – Inzicht in de beoordeling van werkplek-metingen volgens nieuwe NEN 689 Zelf aan de slag 1 Blok 2 – Software voor: (1) het statistisch toetsen van werkplekmetingen en (2) boxplot voor rapportage van gegevens Zelf aan de slag 2

Variabiliteit van blootstelling op de werkplek is vaak fors Frequentieverdeling van werkplekmetingen is meestal log-normaal Kenmerkende getallen: GM = geometrisch gemiddelde GSD = geometrische standaard deviatie Soms is frequentieverdeling van werkplekmetingen normaal, maar dat komt zelden voor Kengetallen : AM = rekenkundig gemiddelde SD = standaard deviatie

Hoe zijn meetresultaten en statistiek inzichtelijk te maken voor klant? Of anders met tabel! Met box-plot! Vb: Metingen bij 7 TIG-lassers Groep Kenmerk Blootstelling van TIG-lassers (N=7) (in mg/m3) Gemiddelde (AM) 0,33 Range 0,20 – 0,65 Bovengrens van blootstelling op alle dagen volgens NEN 689 (= UTL 95, 70%) 0,76 Grenswaarde beroepsmatige blootstelling lasrook (OEL) 1,0 OEL = grenswaarde UTL95, 70% = bovengrens van blootstelling op alle dagen volgens NEN 689 Kentallen boxplot lassers Hyginist of BWstat: UTL95, 70% = 0,762

Nieuwe statistiek m.b.t. metingen in NEN 689 Criterium voor OEL-compliance (= doelmatige beheersing) Validatie van SEG = Similar Exposure Group Verwerking van meetwaarden < detectie-grens (<DG) Similar Exposure Group = Group of workers having the same general exposure profile for the chemical agent(s) being studied because of the similarity and frequency of the tasks performed, the materials and processes with which they work, and the similarity of the way they perform the tasks.

Criterium voor OEL-compliance oftewel doelmatige beheersing IndusTox Consult Criterium voor OEL-compliance oftewel doelmatige beheersing Kans op overschrijding van OEL is < 5% Dus als 95-percentiel < OEL Kan alleen exact worden vastgesteld bij dagelijks herhaalde metingen In praktijk nemen we een kleine steekproef. Er is dus onzekerheid. Criterium NEN689: betrouwbaarheid van 95-percentiel is minstens 70%. Dit kan op 2 manieren worden vastgesteld: UR-waarde (= berekende waarde) > UT-waarde. De UT-waarde in tabel F.1 van NEN 689 is de kritieke waarde gebaseerd op de 70% betrouwbaarheidsgrens van de 95-percentiel Of als: UTL95, 70% (= 70% bovenste tolerantie limiet van 95-percentiel) < OEL

Stroomschema van NEN 689 voor doel- matige beheersing (OEL-compliance) Preliminary testing Statistical testing

Bij 3-5 metingen: preliminary toets Bij hele kleine series geeft statistiek te weinig zekerheid (betrouwbaarheidsinterval is fors) Daarom vuistregels OEL-compliance (groen): Bij 3 metingen: alle < 0,1 OEL Bij 4 metingen: alle < 0,15 OEL Bij 5 metingen: alle < 0,2 OEL geen OEL-compliance (rood): Als een van de 3-5 metingen > OEL Onzekere situatie (oranje) Alle tussensituaties

Bij 6 of meer metingen: statistische toets Uitgangspunt is log-normale verdeling Er is OEL-compliance als: UR > UT UR = werkelijke (real) waarde van toets grootheid UR = {ln(OEL) – ln(GM)}/ln(GSD) UT = kritieke (tolerable) waarde van toets grootheid U.. Zie tabel van Annex F (tot n=30) of als: UTL95, 70% < OEL Bereken UTL95, 70% met software (in 2e blok)

OEL-Compliance bij 6 of meer metingen Klasse Criterium Omschrijving Groen a) UR > UT b) UTL95, 70% < OEL Er is doelmatige beheersing Rood a) UR < UT b) UTL95, 70% > OEL Onveilig, RMM’s inzetten en dan opnieuw beoordelen UR = U-waarde van meetserie UT = Kritieke U-waarde voor meetserie UTL95, 70% = 70% bovengrens van 95-percentiel van meetserie RMM’s = Risk Management Measures = Beheersmaatregelen

Voorbeeld 1 Toetsing van OEL-compliance van TIG-lassers met UR Lasrook is gemeten (in mg/m3) bij 7 TIG-lassers op één locatie. Grenswaarde (= OEL) van lasrook = 1,0 mg/m3 Uitslag: 0,2; 0,65; 0,25; 0,3; 0,45

Voorbeeld 1 Voor berekening van UR zijn GM en GSD van meetserie nodig ln GM = (ln a1 + ln a2+ ln a1 … ln an )/n => …. Uitrekenen geeft … GM= 0,30 ln GSD = √{[ (ln a1 – ln GM)2 + (ln a1 – ln GM)2 … + (ln an –ln GM)2]/(n-1)} => ……uitrekenen geeft .. GSD = 1,55 . meting Concentratie lasrook (mg/m3) a1 0,20 a2 0,65 a3 0,25 a4 0,30 a5 a6 a7 0,45

Voorbeeld 1 Of bereken GM en GSD met bijv. IHStat OEL UTL 95%,95%

Voorbeeld 1 Berekening van UR en beoordeling van OEL-compliance van TIG-lassers GM = 0,30; ln(GM) = -1,204 GSD = 1,55; ln(GSD) = 0,438 OEL = 1,0; ln(OEL) = 0 UR = {ln(OEL) – ln(GM)}/ln(GSD) UR = {0 – -1,204}/ 0,438 = 2,749 Tabel Annex F: UT, 7metingen = 2,120 Conclusie: UR > UT, dus er is OEL-compliance: de lasrook blootstelling bij deze groep is doelmatig beheerst

Voorbeeld 1 Alternatief: grafische bepaling van GM en GSD van de TIG-lassers NEN 689:Formule rangfractie Pk = (k-3/8)/(N+¼) Bijv: k=1 5/8 /7¼ = 0,086 Benadering: gelijke fracties over 100% 100%/N = 100/7 = 14,3 Rangfractie = 7,2 ; 21,5; 35,8; 50; 64,3; 78,6 en 92,9 Rang (k) Rangfractie (%) Waarde (mg/m3) 1 8,6 0,2 2 22,4 3 36,2 0,25 4 50 5 63,8 0,3 6 77,5 0,45 7 91,4 0,65 GM = 50-percentiel = 0,3 GSD = 84-percentiel/50 percentiel = 0,46/0,30 = 1,53 Ook af te lezen: 95-percentiel = 0,63 Kans op OEL-overschrijding 100-99,7 = 0,3%

Validatie van indeling in Similar Exposure Groups. Hoe te checken? Statistische test Test waarschijnlijkheid dat de verdeling log-normaal is met p < 0,05. Met software! Nadeel: Bij minder dan 10 metingen weinig power, dan bijna nooit afwijzing Grafische methode Beoordeel of punten op een rechte lijn liggen op log-waarschijnlijkheid papier. Met software of met de hand Nadeel: geen scherpe, objectieve criteria

Beoordelen indeling in SEG’s 1. Met software (bijv. IHSTAT) TIG-lassers van voorbeeld 1 Concentratie lasrook: 0,2; 0,65; 0,25; 0,3; 0,25, 0,2; 0,45 mg/m3 Wilks-test: niet-afwijkend van log-normaliteit met p=0,05

Beoordelen indeling in SEG’s 2. Grafische methode - voorbeeld 2 Goede fit Slechte fit 2 SEGs in een meetreeks ? Y axis : Pk calculated from the rank and number of measurement X axis : exposure measurement results on log scale

Verwerking van meetresultaten met concentratie < DG IndusTox Consult Verwerking van meetresultaten met concentratie < DG In overzicht meetresultaten: niet 0, maar < DG Bij verwerking meetresultaten < DG: Simpel: reken met zowel DG als met DG/4 als waarde en bereken OEL-compliance. Accepteer als beide berekeningen dezelfde beslissing geven (Met DG: overschatting GM en onderschatting GSD) (Met DG/4: onderschatting GM en overschatting GSD) Juist, maar complex: invoeren in log-normale verdeling Handmatig Met software

Voorbeeld 3 Verwerking van metingen met concentratie < DG Formule rangfractie Pk = (k-3/8)/(N+¼) Bijv. bij k=4 35/8 /10¼ = 0,354 Serie van 10 metingen met 3 uitslagen < DG (uit Annex H)

Voorbeeld 3 Verwerking van metingen met concentratie < DG (2) Plot op Log –waarschijnlijkheidspapier Van de serie van 10 metingen alleen de 7 metingen > DG uitzetten (op hoogste 7 van 10 ranks) Best fit lijn door 7 punten trekken => 50-Percentiel = GM =0,98 Voor 3 metingen < DG kan je nu de waarde schatten. Door omlaag te extrapoleren kan je bij de desbetreffende Pk-percentage de waarde bepalen. Rang Pk van serie van 10 (in %) Geschatte waarde 1 6% Ca 0,35 2 16% Ca 0,55 3 26% Ca 0,65 ..

Vragen uit praktijk van meten van beroepsmatige blootstelling Hoe handelen als klant maar 1 of 2 metingen per SEG wil? Duidelijk maken dat OEL-compliance dan niet interpreteerbaar is Niet meer doen, minimaal 3 metingen per SEG als een uitspraak over doelmatige beheersing de wens is Is de indeling in SEG’s juist? zelfde werkproces en zelfde taak? controleer log-normaliteit!

Voorbeeld 4 In een grote steenfabriek is bij 3 operators met hetzelfde werk mangaan gemeten 0,1; 0,2 en 0,05 mg/m3. OEL = 1,0 mg/m3 Oordeel volgens preliminary test NEN 689 1 meting van 3 ligt boven 10% van OEL, dus er is geen OEL-compliance, maar geen OEL-overschrijding, dus geen heldere conclusie Aanvullende berekening statistische kenmerken:

Voorbeeld 4-2 IH-STAT: 95-Percentiel = 0,31 UTL 95%,95% = 95%-btbh-bovengrens van 95-Percentiel = 20 mg/m3 N = klein, de statistische betrouwbaarheids-marges zijn groot (dus is de onzekerheid groot) LOGNORMAL PARAMETRIC STATISTICS Estimated Arithmetic Mean - MVUE 0,117 LCL1,95% - Land's "Exact" 0,059 UTL1,95% - Land's "Exact" 10,352 95th Percentile 0,313 UTL95%,95% 20,155 Percent above OEL (%>OEL) 0,045 LCL1,95% %>OEL <0.1 UTL1,95% %>OEL 29,548

Voorbeeld 4 -3 Welk advies is nu juist? Niet beheerst? Kan zijn! Veilig? Kan zijn! Of Oranje vanwege onzekerheid? Lijkt beste keuze! Advies: meer metingen verrichten of maatregelen nemen

IndusTox Consult Voorbeeld 4 - 4 Conclusie uitvoerend AH (in 2010, voor nieuwe NEN 689): voldoende veilig (groen) Overweging van uitvoerend AH was dat de oudere metingen ook in dezelfde - lage - range lagen. Dit heeft hij meegewogen! Deze procedure is feitelijk een beoordeling op basis van metingen + professional judgement. Dit zou je versimpelde Bayesiaanse beslisanalyse kunnen noemen (likelyhood exposure + prior exposure => posterior exposure)

Extra: compliance volgens AIHA Exposure category Description Statistical criterium Little to no exposure 95-Percentile < 1% of OEL 1 Exposures are highly controlled 1% of OEL < 95-Pctl < 10% of OEL 2 Exposures are well controlled 10% of OEL < 95-Pctl < 50% of OEL 3 Exposures are controlled 50% of OEL < 95-Pctl < 100% of OEL 4 Exposures are poorly controlled 95-Percentile > 100% of OEL

Voorbeeld 5: AIHA-beoordeling Hoe is de indeling van TIG-lassers? Serie van 7 metingen met 95-percentiel = 0,62 mg/m3. Grenswaarde is 1,0 mg/m3 Compliance vlgs AIHA: 95-percentile = 0,62/1,0*100% = 62% van OEL  Exposure category 3, exposures are controlled

Extra: compliance volgens BOHS/NVVA-guideline van 2011 IndusTox Consult Extra: compliance volgens BOHS/NVVA-guideline van 2011 Preliminary test met 3 metingen Niet voor 4 of 5 metingen Groep compliance test Gelijk aan NEN 689;2018 Ook individuele compliance test Niet opgenomen in NEN 689;2018 Individuele test vereist grotere meetseries met herhaalde metingen (minimum = 3 werknemers * 3 dagen = 9 metingen)

Wrap up blok 1 Blootstelling is variabel, er is nooit 100% zekerheid dat de blootstelling onder de grenswaarde ligt. Daarom statistisch criterium. Groepeer werknemers in SEG´s en check dit Minimaal 3 metingen per SEG. Gebruik bij 3 - 5 metingen de regels van de preliminary test Bij 6 of meer metingen: statistische beoordeling met: GM, GSD en OEL. Toets UR aan UT of toets UTL95, 70% aan OEL Uitslagen < detectiegrens niet weglaten, maar meenemen

Zelf aan de slag Bij magazijnmedewerkers van een chemicaliënopslag, die allen in een groot storehouse werken, is er gemeten. Het gaat om het volgende: Er zijn 8 persoonlijke metingen van stof x gedaan. Oefening 1: beoordeel OEL-compliance Bereken UR en toets aan UT . Gebruik je rekentuig en ook log-waarschijnlijkheid papier. Werk in groepjes van 2. Oefeningen 2e blok: Bereken UTL95, 70% , toets aan OEL en neem gegevens op in een box-plot en inzichtelijke tabel

Zelf aan de slag Blootstelling van magazijnmedewerkers Meting Duur (uur) Concentratie Stof x (mg/m3) 1 6 0,8 2 1,1 3 1,4 4 2,5 5 8 4,3 6,5 7 - (mislukt) < 0,7 OEL (8 uur tgg) 10

Zelf aan de slag Formules voor UR, GM en GSD UR = {ln(OEL) – ln(GM)}/ln(GSD) Log GM = (log a1 + log a2+ log a1 … log an )/n Log GSD = √{[ (log a1 – log GM)2 + (log a1 – log GM)2 … + (log an –log GM)2]/(n-1)} Workshop IHMOD en IHDA

Resultaat oefening 1 Lognormaal? Ja Kentallen IHSTAT OEL compliance Concl: Non-compliance Serie met <DG =0,7 Serie met <DG = 0,18 N 7 GM 1,80 1,47 GSD 2,35 3,32 Serie met <DG =0,7 Serie met <DG = 0,18 OEL 10 UR 2,01 1,60 UT, N=7 2,12

Resultaat oefening 1: grafisch Zet 6 waarden < DG uit Trek best passende lijn Rang (k) Rangfractie (%) Concentratie (mg/m3) 1 8,6 <0,7 (0,37) 2 22,4 0,8 3 36,2 1,1 4 50 1,4 5 63,8 2,5 6 77,5 4,3 7 91,4 6,5 Lees af van grafiek: GM = P50 =1,6 GSD = P84/P50 = 4,8/1,6 = 3,0