0 avis
Confidence intervals for probabilities of exceeding threshold limits with censored log-normal data.
(Intervalles de confiance pour les probabilités de dépassement des valeurs limites d'exposition avec des données log-normales censurées).
Article
Publié dans : Environmetrics, Royaume-Uni, vol. 7, 1996, pp. 247-259, ill., bibliogr. (En anglais)
Dans le contexte de l'application des réglementations en hygiène industrielle apparaît la notion de probabilité de dépassement de la valeur limite dans des groupes d'exposition homogènes. Le simple décompte des mesures excédant la valeur limite ne peut être utilisé en raison du nombre habituellement restreint des données. Cependant, la distribution statistique des concentrations est souvent compatible avec une loi log-normale. Il subsiste deux problèmes pour lesquels il n'existe pas de solutions satisfaisantes : le traitement de la censure à gauche due aux limites de détection analytique et l'absence d'intervalle de confiance pour la probabilité de dépassement. Dans le cas non censuré, sont présentés un intervalle de confiance exact basé sur la loi de Student non centrée et deux méthodes de Monte-Carlo fondées sur le "bootstrap" et l'échantillonneur de Gibbs. Ces méthodes de Monte Carlo sont adaptées pour prendre en compte le cas censuré. Une étude de simulation montre que l'échantillonneur de Gibbs donne des intervalles de confiance avec un recouvrement proche de sa valeur nominale. Le "bootstrap" paramétrique, après correction du biais, a presque les mêmes performances. Présentation de quelques extensions de l'échantillonneur de Gibbs pour l'analyse de l'exposition aux fibres et à l'analyse de données avec précisions données ou soumises à des erreurs de mesure. Un exemple pratique est traité.
Suggestions
Du même auteur
