Osäkerhetsuppskattning av miljökemiska analysdata
Öberg, T.
Presentation vid 2:a Svensk-Norska Miljökemiska Vintermötet i Storlien 11-14 mars 2003.

Sammanfattning
Grundläggande för riskbedömningar, vare sig det rör sig om luft, mark eller livsmedel, är att bestämma exponeringen. I många situationer förutsätter det att man på ett tillförlitligt sätt kan fastställa den genomsnittshalt av föroreningar som förekommer. Antalet prov som kan analyseras är alltid begränsat. Det innebär att den genomsnittliga koncentrationen aldrig kan anges exakt. Det finns olika sätt att hantera osäkerheter i riskbedömningar, men det tillvägagångssätt som har vunnit allmän acceptans är att addera osäkerheten i beräkningen av det aritmetiska medelvärdet. Osäkerheten anges då som det övre enkelsidiga 95%-iga konfidensintervallet. Det innebär att i 95 fall av 100 så befinner sig det sanna medelvärdet under konfidensintervallets övre gräns.

Ibland kan insamlade mätdata beskrivas med en symmetrisk s.k. Gauss- eller normalfördelning och då finns enkla och standardiserade metoder för att beräkna konfidensintervallen. Mätdata för miljöföroreningar följer dock ytterst sällan en normalfördelning, det "normala" är istället en "sned" fördelning med enstaka höga värden. Ett sätt att anpassa dessa data till en normalfördelning är att först logaritmera mätetalen. Beräkningsgången för att skatta det övre enkelsidiga 95%-iga konfidensintervallet är då komplicerad. Dessutom uppstår problem om den sneda fördelningen av mätvärden uppstått av en annan orsak än att den underliggande populationen är lognormalfördelad eller om det finns mer än enstaka mätvärden under detektionsgränsen.

Bootstrapping är en relativt ny statistisk metodik för att skatta fördelningar av mätdata. I motsats till vad som är fallet med traditionella metoder så ligger inga teoretiska fördelningar till grund för beräkningarna. Istället skapas referensfördelningen från insamlade mätdata genom att göra ett stort antal slumpmässiga provurval från originaldata ("återsampling"). Bootstrapping kan därför hantera situationer när traditionell statistik kommer till korta eller blir extremt komplicerad.

De olika sätten att beräkna osäkerhetsintervall illustreras med tre exempel: Utsläpp av kvicksilver från en avfallsförbränningsanläggning, markförorening av PAH och dioxiner i livsmedel. I alla tre exemplen avviker fördelningen av mätdata från en s.k. normalfördelning. Bootstrapping visade sig också vara det mest robusta förfarandet för osäkerhetsskattning i de undersökta fallen. En allmän slutsats utifrån de redovisade exemplen är att riskbedömningar som baseras på mätdata bör utnyttja metodik för att hantera osäkerheter som är anpassad till den praktiska verkligheten. Ska en teoretisk sannolikhetsfördelning användas så måste det alltså säkerställas att förutsättningarna för detta är uppfyllda. Är så inte fallet bör man istället använda en metod som inte kräver att den underliggande fördelningen är känd.

Bilder som PDF-fil, 277 kb