以少量數據統計模式與廣泛性之作業環境測定兩者暴露實態差異性探討研究IOSH99-A305

　　目前事業單位大多已依「勞工作業環境測定實施辦法」之規定每半年定期進行作業環境測定，但勞工的暴露情形可能會因作業現況而不同，不能單看一次或兩次的環測結果，而是需收集多次的環測結果利用傳統統計進行分析，才能建立各個相似暴露族群（similar exposure group, SEG）的暴露實態以瞭解是否符合容許濃度標準。本研究以合成皮業事業單位為研究對象，探討傳統統計與貝氏統計之差異，評估貝氏統計分析方法，是否可利用較少的環測數據，即可分析出與母群體相近的結果。

　　研究的方法為對某合成皮業工廠數個SEG於3 ~ 11月進行多次的作業環境測定收集大量的環測數據，再分別利用傳統統計與貝氏統計方法進行分析。分析時在傳統統計方面，分別探討樣本數多寡時，所分析的結果與母群體之差異，而在貝氏統計方面則探討Prior資料的不同（由專家提供資料、前次累積的環測值、8天的環測值），在搭配不同數量的Likelihood資料分析而得的結果與母群體之差異，最後再將傳統統計與貝氏統計分析的結果進行比較，以評估兩種方法之差異。

　　經分析後發現，傳統統計只能估算出95百分值與其容忍界限的上限值的暴露等級，而貝氏統計可完整說明0 ~ 4暴露等級每個暴露等級發生的機率為何，讓事業單位可以清楚的瞭解各個等級發生的風險高低，並進一步做出適當的控制措施。且貝氏統計因有Prior資料，因此當環測值只有少量的數據可分析時（Likelihood資料），若給予適當的Prior資料將有助於分析的結果接近母群體的結果。