TROCHA TEORIE
Chcete-li vzorkovat odpady, musíte podle zákona o odpadech (§ 28 a § 29 zákona č.541/2020 Sb.) postupovat podle ČSN EN 14899 (Charakterizace odpadů – Vzorkování odpadů – Zásady přípravy programu vzorkování a jeho použití):
Pak je třeba postupovat v několika krocích:
1. Vzorkovaný soubor a schéma odběrových bodů
Mezi nejobtížnější úkoly patří správná volba vzorkovaného souboru (souhrn všech jednotek, které jsou předmětem zájmu) a výběr pro schéma odběrových bodů tak, aby vzorkování bylo statisticky významné.
To lze vysvětlovat mnoha způsoby, ale zkusme si to zjednodušeně vysvětlit na políčkách šachovnice:
Šachovnice je čtvercová plocha, která je pravidelně rozdělena na hrací pole v osmi řadách a osmi sloupcích, 32 světlých a 32 tmavých polí, které se pravidelně střídají. Celkem má tedy 64 polí.
Představte si, že pod každým z těchto políček může být něco, co je třeba monitorovat a jde tedy o to, jestli se do tohoto jevu trefíte nebo to minete. Když to minete, ve výsledcích se to nezohlední, když to trefíte, výsledky to ovlivní.
Pokud byste chtěli navzorkovat se 100% jistotou, že jste nic neopomenuli, museli byste navzorkovat každé políčko, ale to lze provádět jenom u velmi malých souborů a lze to z finančních důvodů dělat opravdu velmi výjimečně. Když vzorkujete jenom světlá pole nebo tmavá pole, jste na 50% jistoty.
Pokud máte jeden pokus na to, abyste se trefili a figurku postavili tam, kam patří a nevíte o pravidlech vůbec nic, máte šanci
1 : 64 = 0,015625 tedy necelých 1,6%
(pokud bychom počítali s tím, že využijete všechna políčka jako naprostý laik)
Ten, kdo alespoň tuší do jaké řady se to staví, na tom bude výrazně lépe
1 : 8 = 0,125 tedy 12,5%
(pokud nerozlišujeme s jakou barvou hrajete)
Pro srovnání:
když budete házet klasickou hrací kostkou a čekat na nejvyšší hodnotu 6, tak pravděpodobnost, že se to podaří na jeden hod je
1 : 6 = 0,1666 tedy necelých 17%
Takže se musíte rozhodnout: jakou metodu zvolím, abych postihnul statisticky významnou část monitorovaných jevů?
Ale tady je třeba počítat i s tím, že každé měření (i následné rozbory vzorků) je zatíženo svoji chybou, v praxi označovanou: nejistota měření
Pro ilustraci uvádím, že u běžně prováděných analýz odpadů je normována nejistota měření daná standardními operačními postupy:
| ukazatel | nejistota měření |
|---|---|
| Arsen | 20% |
| EOX extrahovatelné organicky vázané halogeny | 20% |
| Rtuť | 20% |
| PAU suma polycyklické aromatické uhlovodíky | 36% |
| Sušina | 5% |
| Ztráta žíháním (105°C) | 10% |
a to není ještě zohledněna chyba vzorkaře (uvádím jenom nejistotu měření laboratorní analýzy).
Protože ne vždy je nejistota měření měřitelná nebo kvalifikovaně odhadnutelná, pak se s každým takovým měřením používá tzv. “slepý vzorek” označovaný také jako “slepý pokus“. Jeho pomocí se měří individuální chyba právě probíhajícího průzkumu (např. odběru nebo sledování vzorků).
V laboratoři se to používá také – jedná se o vzorek, který se používá ke kompenzaci vlivu reagencií na výsledek měření a též ke kompenzaci vlivu matrice analytického vzorku. V praxi tam analyzujeme pouze destilovanou vodu a měříte odchylku od nuly.
Takže z výsledku sledování slepého vzorku (případně následné analýzy) lze usoudit na skutečnou chybovost prováděného experimentu.
Úrovně statistické významnosti
Stanovení statistické významnosti zahrnuje několik kroků, které pomáhají vyhodnotit spolehlivost jejich průzkumu nebo sledování.
Většinou se postupuje tak, že
- vyslovíte varianty hypotéz (nulová a alternativní – těch může být i více, pak je navzájem porovnáváte)
- stanovíte úrovně významnosti
- provedete výpočet vzorku ke sledování (minimální počet potřebných vzorků)
- určíte směrodatnou odchylku (rozptyl hodnot)
- určíte T-skóre (střední hodnoty nebo rozdíly středních hodnot)
- vypočtete stupně volnosti
- porovnáte statistické významnosti pomocí vypočteného t-skóre s kritickými hodnotami
Důležité jsou úrovně významnosti!
Je to vlastně hladina významnosti (označovaná jako: α) a představuje hranici, zda je pozorovaný výsledek považován za statisticky významný.
Běžně používané hladiny významnosti jsou:
- 0,05 tedy 5% šance, že se trefíte do pozorovaného jevu
- 0,01 tedy 1% šance, že se trefíte do pozorovaného jevu
Výběr vhodné hladiny významnosti závisí na konkrétní oblasti zkoumání a na požadované rovnováze mezi individuálními chybami měření.
Proč se to tak dělá?
Aby šlo nějak objektivizovat
- jevy typu: náhoda versus skutečné účinky
- replikace a reprodukovatelnost měření
- interpretace statistických zjištění
- platnost (validitu) provedených zjištění
Zajímavostí je, že někdy je to určeno přímo prováděcím předpisem:
například pokud byste hodnotili množitelský porost podle Přílohy č.3 k vyhlášce č.61/2011 Sb. (o požadavcích na odběr vzorků, postupy a metody zkoušení osiva a sadby) tak na plochu 788,7 m2 by vám nestačil jeden vzorek, ale direktivně musíte mít: 263 vzorků
[text v přípravě] 🦺