Факторы риска и показатели здоровья подразделяются на 2 класса — дискретных и непрерывных случайных величин, — в зависимости от того, каково множество допустимых значений этих величин.
Случайная величина ξ называется дискретной, если она принимает конечное или счетное число различных значений. Между любыми двумя течениями дискретной величины может находиться лишь конечное число ее значений. Примерами дискретных величин являются:
- число случаев заболевания в определенной группе населения за 1 год;
- возраст в полных годах;
- степень тяжести заболеваний и повреждений.
Распределение дискретной случайной величины ξ полностью определено, если для каждого ее значения хi указана вероятность его появления (обозначаемая как рi): рi = P Функция, устанавливающая взаимосвязь между значениями хi и рi, называется законом распределения или вероятностной функцией дискретной случайной величины. Эта функция может быть задана различными способами: в виде таблицы, графика или аналитической зависимости. Например, табличный способ задания закона распределения дискретной случайной величины имеет следующий вид:
ξ:
Сумма вероятностей рi, по всем значениям индекса i равна 1, и для любого значения х значение функции распределения F(х) равно сумме вероятностей рi по всем xi ≤ х. Таким образом, F(х) есть ступенчатая функция, сохраняющая постоянное значение на любом интервале, не содержащем точек хi, а в каждой точке xi имеющая скачок на величину рi.
При оценке рисков наиболее часто приходится иметь дело со следующими видами распределения дискретных случайных величин:
Дискретное равномерное распределение. Для случайных величин, распределенных по дискретному равномерному закону, каждое из п возможных значений x1,..., хn принимается с вероятностью 1/n (рi, = 1/n для любого i). Такие случайные величины используются в качестве модели событий с равновероятными исходами. Так например, если организация технологического процесса такова, что персонал подразделяется на 4 равных по численности группы в зависимости от характера контакта с агентом риска:
1 — контакт с агентом риска исключен;
2 — эпизодические непродолжительные контакты;
3 — систематические непродолжительные контакты;
4 — постоянный контакт с агентом риска в течение всего рабочего времени, то распределение персонала по уровням данного фактора риска является равномерным (рис. 4.1, 4.2).
Распределение Бернулли описывает случайные величины, принимающие два значения — 0 и 1 — с вероятностями, соответственно, q = 1 - р и р. Показатель р называется параметром распределения. Случайные величины, распределенные по закону Бернулли, служат моделью событий с двумя возможными исходами (например, наличие или отсутствие заболевания). Распределение Бернулли может быть использовано для описания индивидуального риска (например, если величина р равна вероятности смерти от рака в результате воздействия канцерогена, то она является характеристикой канцерогенного риска).
При р = q = 1/2 распределение Бернулли является частным случаем равномерного.
Распределение Пуассона (рис. 4.3, 4.4). Случайная величина, принимающая счетное множество значений 0, 1, 2,... (любое неотрицательное целое число) с вероятностями.
=
где функция і! (факториал целого числа і) определяется следующим образом:
= 1, а для любого = ( )
Величина λ называется параметром распределения Пуассона. Распределение Пуассона является хорошей моделью для оценки риска отдельных взаимно независимых эффектов фактора риска, например, вероятности определенного числа травм в расчете на 1 человеко-год на травмоопасном производстве. Рис. 4.3 и 4.4 иллюстрируют такую ситуацию для различных значений параметра λ: при λ = 2 наиболее вероятны 1 или 2 случая травм на 1 человеко-год, при λ = 5 – 4 или 5 случаев.