随着健康风险意识的增强,人们越来越重视污染物暴露人群的职业暴露评估。现有关于平均暴露水平的研究方法往往局限于正态总体和单向分类随机效应模型,并假定模型的随机效应和误差项均服从正态分布,但实际暴露数据更常见地呈现出非对称的偏态分布特征。若仍基于正态分布进行统计建模,易导致统计估计和推断缺乏稳健性。鉴于此,为降低职业暴露风险、保护工人的生命健康安全,本文将研究方法从正态总体拓展至偏正态单向分类随机效应模型,进而为研究平均暴露水平提供合适的统计推断方法。针对偏正态总体下平均暴露水平的统计推断问题。首先,利用矩估计和极大似然估计得到未知参数的估计值。其次,基于Bootstrap方法,构造个体和总体平均暴露水平的三种Bootstrap置信区间,并构建相应Bootstrap置信区间的检验方法。进而,通过Monte Carlo模拟研究得到区间的覆盖概率和置信上限。研究结果表明,对于个体和总体平均暴露水平,基于极大似然估计的Bootstrap置信区间整体表现都优于基于矩估计的Bootstrap置信区间。且在覆盖概率意义下,基于极大似然估计的Bootstrap标准置信区间优于其他两种Bootstrap置信区间。最后,将上述方法应用于两组四烷基铅暴露数据的案例分析中,以验证所给方法的有效性和合理性。针对偏正态单向分类随机效应模型下平均暴露水平的统计推断问题。首先,利用EM算法得到未知参数的极大似然估计。其次,基于Bootstrap方法,构造个体和总体平均暴露水平的三种Bootstrap置信区间,并构建相应Bootstrap置信区间的检验方法。进而,通过Monte Carlo模拟研究得到区间的覆盖概率和置信上限。研究结果表明,修正的Bootstrap百分位置信区间在覆盖概率意义下优于其他两种Bootstrap置信区间,Bootstrap标准置信区间在置信上限意义下优于其他两种Bootstrap置信区间。最后,将上述方法应用于苯乙烯和镍暴露数据的案例分析中,以验证所给方法的有效性和合理性。