Son yıllarda uygulamalı bilimin
endüstriye ve devlet yönetimine olan katkısı, istatistiksel düşüncenin hızla
kullanılması ve gelişmesidir. İster saf ister uygulamalı bilimde, ister
endüstride veya devlet yönetiminde uygulansın, bilimsel yöntem istatistiksel
yöntemin kullanımını gerektirir. Bilim, tekrarlanan ve tekrarlanabilir olan ve
tüm gözlemcilerin hemfikir olabileceği olayların incelenmesi olarak
adlandırılabilir. Ancak bu yeterli değildir; gözlemcilerin hepsi aynı fikirde
değildir, çünkü şeyler tam olarak tekrarlanabilir ve tekrarlanabilir değildir.
Her şey değişir. Kesin bir bilim yoktur. Yapılabilecek en iyi şey,
farklılıklara rağmen bir şeyler yapmak için kullanılabilecek eylem kuralları
belirlemektir. Bilim ne kadar "kesin" olursa, bilimin nihai gelişiminin
istatistiksel yönteme yol açtığı o kadar belirginleşir. İstatistiksel yöntem,
şansa bağlı değişimlere olasılık toleransları koymanın ve atanabilir
nedenlerden kaynaklanan değişimlerin varlığına işaret etmenin bir yolunu
sağlar. İstatistikçi, bu şeyleri yapmak ve rasyonel eylem planları oluşturmada
araçlarını etkili hale getirmek için veri toplamak için gerekli araçlara
sahiptir.
Dediğim gibi, her şey değişir ve
bu yüzden istatistiksel yönteme ihtiyaç vardır. İnsanlar birbirine benzemez;
farklı zevkleri vardır ve aynı koşullar altında en iyi performansı
göstermezler. İyi bir personel bu farklılıkların farkındadır ve insanları
koşullara uydurmak yerine, koşulları insanlara uydurmaya çalışır. Elbette,
bazen her ikisinden de biraz gerekir. Bezelyeler birbirine benzemez; şeker veya
tuz alımlarının hepsi birbirine benzemez. Makineler değişir. Dahası, herhangi
bir makine birbiri ardına farklı boyutlarda ürünler üretir. Ancak bu boyutlar
yeterince benzer olabilir; yani, boyutlardaki farklılıkların hepsi belirli
sınırlar içinde olabilir veya belki de yeterince büyük bir kısmı belirli
sınırlar içinde olabilir. Stoklar bir aydan diğerine dalgalanacaktır; defter ve
fiziksel stoklar arasındaki tutarsızlıklar da dalgalanacaktır; aynı ürünün
fiyatları ve kâr marjları, aynı şehir ve sınıfta bile bir perakende
mağazasından diğerine değişecektir. Demiryolunun Charleston'dan Los Angeles'a
bir yük vagonunu götürmesi için gereken süre değişiklik gösterecektir.
Değişiklikler beklenebilir. Ekonomi, sosyoloji, ulaştırma veya mühendislik
alanlarında bilimsel bir çalışmada araştırılması gereken şey, anormal görünen
bir değişikliğin kaynağıdır. Peki anormal olan nedir? İstatistikçinin cevabı
vardır. Kullandığı en güçlü istatistiksel araçlardan biri Shewhart kontrol
şemasıdır. Bu şema, şansa bağlı nedenleri atanabilir nedenlerden ayırır. Bir
istatistikçiyi tanımlamaya çalışmayacağım, ancak yaptığı bazı şeyleri
anlatmakla yetineceğim. Bir istatistikçi sadece rakamlarla ilgilenen bir
muhabir değildir; bir muhasebeci de değildir. Her iki meslek de, hem devlet hem
de özel sektörde giderek daha fazla önemli idari işlevlere sahip olarak kabul
edilmektedir.
İki tür varyasyon vardır ve
bunları birbirinden ayırmak istatistikçinin görevidir. Bazı varyasyonlar,
izlenemeyen veya izlenmemesi gereken nedenlerden kaynaklanır, çünkü neredeyse
her zaman bunları izlemeye çalışmakla zaman ve para kaybedilir. Bunlar tesadüfi
nedenlerdir. Diğer varyasyon türü ise, atanabilir bir nedenden, yani kişinin
araması haklı bir nedenden kaynaklanır. İstatistikçi, bu iki farklı varyasyon
türü arasında ayrım yapmalıdır. Bu iki varyasyon türü arasındaki ayrım, idari
açıdan son derece önemlidir. Aralarında ayrım yapamamak genellikle ciddi mali
kayıplara ve zaman kaybına neden olur. İstatistikçi, varyasyonun nedenini aramanın
ne zaman işe yarayacağını ve ne zaman yaramayacağını söyleyebilmelidir.¹
1944'ün ilk günlerinde, Washington
şehrinde bir önceki yılın aynı günlerine göre daha fazla trafik kazası meydana
geldi. Elbette herhangi bir kazanın olması üzücü, ancak herhangi bir kaza
meydana gelirse sayılarının günden güne ve haftadan haftaya değişeceği
gerçeğiyle yüzleşmek gerekir. Belirli bir Yılbaşı Günü'nde üç ölüm ve bir
önceki yılın Yılbaşı Günü'nde yalnızca bir ölüm olması nedeniyle bu farkın
belirlenebilir bir nedeni olması gerektiğini söylemek bilimsel değildir. Oysa
birçok neden belirlendi! Ancak bir değişiklik anormal veya önceki ve sonraki
değişikliklerle uyumsuz olduğunda, belirlenebilir nedenlerin varlığına işaret
edilebilir. Çoğu zaman bir sanayi tesisinin sağlık görevlisi, bir aydaki
hastalık oranındaki düşüşün sorumluluğunu üstlenir, ancak bir sonraki ay oranın
arttığını görür. Bir düşüşün nedenini belirlemeden önce bir istatistikçiye
danışmakta fayda vardır. Şans eseri olayların en basit örneği zar atmaktır.
Diyelim ki bir çift zar, adil oyun koşulları altında tekrar tekrar atılıyor.
Elbette aynı sayıların tekrar tekrar ortaya çıktığını görmüyoruz; eğer
bulsaydık buna kesinlikle adil oyun demezdik. Bir dizi sonuç elde ederiz ve bu
sonuçların bir sıra halinde yazıldığında ortaya çıkması, rastgelelik veya şans
eseri olayların işleyişi dediğimiz şeyi ortaya koyar.
Şans eseri nedenler ile atanabilir
nedenler arasındaki ayrım, kavranması en zor şeylerden biridir. Bu kavrayışta
hem başarısızlık hem de başarı, önemli sonuçlara yol açar. Bir oranın,
atanabilir bir neden -yani aranması gereken bir neden- olmaksızın bir gün
önceki günden veya bir yıl öncekinden (kaza oranı olarak) daha yüksek
olabileceği gerçeği, yüzleşilmesi gereken bir gerçektir. İlk başta bu fikir, bilimde
öğrenilen her şeyin, olan her şeyin daha önce olmuş bir şey yüzünden
gerçekleştiğini -yani her varyasyonun, bir şeyin onu o yöne sürüklemesi
nedeniyle ortaya çıktığını- öğreten nedensellik yasasını öğrendiğimizde,
kişinin öğrendiği her şeyi geçersiz kılıyor gibi görünür. İstatistiksel yöntem,
nedensellik yasasına aykırı hiçbir şey öğretmez. İstatistiksel yöntem, pratik
bir insan yöntemidir. Herhangi bir kalite veya oranın günden güne veya kişiden
kişiye değişmesinin kesinlikle bir nedeni olduğunu kabul etmekle birlikte,
pratik insan, bulamayacağı bir varyasyon nedenini kovalamanın boşuna olduğunu
anlamalıdır. Shewhart kontrol yöntemlerinde pratik bir rastgelelik kriteri
verilmiştir. Zarın her atışının veya ardışık atış gruplarının bir fonksiyonu
zaman sırasına göre çizilir. Bu fonksiyon, noktaların toplamı, ortalaması,
aralığı, standart sapması veya başka herhangi bir fonksiyon olabilir. Çizilen
noktalar, Shewhart kontrol limitleri adı verilen belirli çizgilerin içine
düşecektir. Kontrol limitleri bir grafikte kolayca gösterilebilir.
Önemli olan, Shewhart kontrol
limitlerinin eylem limitleri olmasıdır. Değişimler, 25 veya daha fazla ardışık
noktanın kontrol limitleri içinde kaldığı durumlarda (zarlar dikkatlice atıldığında
olduğu gibi), sonraki 500 noktanın neredeyse tamamının aynı limitler arasında
kalacağını iddia edebiliriz. Bir nokta limitlerin dışına çıktığında, süreçte
bir değişiklik olduğu, zarların değiştirildiği veya normal sallama ve atma
sürecinin bir parçası olmayan bir şey yapıldığı iddiasını ileri sürebiliriz.
İstatistiksel yöntem tahmin yürütmez. Olasılık hesabı, risk almak için değil,
bilimden tahmin yürütmeyi çıkarmak için kullanılır. Yalnızca şans eseri
nedenler söz konusu olduğunda, geçmiş gözlemlere dayanarak ve bilinen bir
riskle, sonraki 500 gözlemin (trafik sayıları, hastalık oranları,
envanterlerdeki tutarsızlıklar) ne kadarının belirtilen herhangi bir limit
çifti arasında kalacağını tahmin etmek mümkündür. Matematiksel süreçler artık o
kadar iyi işlenmiştir ki, hesaplamalar yalnızca bir tablo veya grafik ve en
basit aritmetik türünü gerektirir. Bu oranın dışında gözlemlenen herhangi bir
sapma, şans eseri olmayan nedenleri gösterir. Dolayısıyla, büyük bir tesiste
günlük ortalama 100 küçük kaza bildiriliyorsa ve günden güne değişim Shewhart
kontrol grafiğinde de görüldüğü gibi rastgelelik olgusunu sergiliyorsa, kaza
raporunun 70 ile 130 arasında olduğu herhangi bir günde herhangi bir açıklama
veya soruşturma gerekmez. Bu limitler arasındaki yukarı ve aşağı hareketler
spekülasyona neden olmaz; beklenmelidir. Eğer kur, bu sınırlar arasındaki alanı
oldukça fazla kaplayan değişimler göstermeseydi, muhtemelen yanlış raporlama
konusunda spekülasyonlar için gerçekten sebep olurdu. Ancak kur 130'un üzerine çıksa
veya 70'in altına düşse, neredeyse her zaman bir sebep bulunabilir.
Bu arada, oran 70'in altına
düşerse, nedenini bulmak özellikle önemlidir, çünkü böylece kaza oranını kalıcı
olarak düşürme yöntemlerine dair ipuçları elde edilebilir. Bu araçların üretimde
ne kadar önemli olduğunu görmek belki de kolaydır. Kişi üretim sürecinde ne
zaman sorun arayacağını ve ne zaman aramayacağını bilirse, büyük miktarda
endişe ve masraftan kurtulur. Sorun aramak, özellikle de aranacak bir sorun
olmadığında, paraya mal olur. Öte yandan, sorun varken sorun aramamak da paraya
mal olur. Birçok üretim tesisinde, herhangi bir değişkenlik, koşulların sabit
olmadığının bir göstergesi olarak kabul edilmiştir. Aslında, tekrar tekrar
sabit sonuçlar üretecek koşullar anlamında sabit koşullar yoktur. Sabitliğe en
yakın yaklaşım, Shewhart kontrol sınırları içinde kalan sonuçlar üreten
istatistiksel olarak kontrollü süreçtir. Sabit kalan sınırlardır. Shewhart
kontrol grafiği kullanılarak, sorun yalnızca bir nokta kontrol sınırlarının dışına
çıktığında aranır ve böylece iki tür hata arasında ekonomik bir denge sağlanır:
(1) var olmayan bir sorunu aramak ve (2) var olan bir sorunu aramayı ihmal
etmek. Şans varyasyonunun sınırları dar veya geniş olabilir. İstatistiksel
olarak kontrol edilen kalite, dar sınırlar içindeki kalite anlamına gelmez.
Bilinen sınırlar içindeki kalite anlamına gelir. Daha dar sınırlar isteniyorsa,
yeni bir süreç tasarlanmalıdır ve büyük olasılıkla ürün başına maliyet
artacaktır.
Shewhart yöntemlerinin uygulanması
son yıllarda endüstride olağanüstü olmuştur, ancak gelecekte daha da dikkat
çekici uygulamalar bekleyebiliriz. Kullanımları diğer alanlara da
genişletilecektir. Örneğin personel yerleştirmede. Kontrol şeması, üretim hızı,
hata oranı veya başka bir performans endeksi ile ölçülen yaklaşık aynı
performans seviyesinde birlikte çalışmaları beklenebilecek şekilde homojen
insan gruplarını seçmenin bir yöntemini sunar ve bir grubun homojenliği
konusunda bir kontrol sağlar. Çoğu zaman bir personel departmanının politikası,
üretim departmanında geçen haftaki çalışmaları ortalamanın altında olan tüm
kişilerin isimlerini gösteren bir bildiri yayınlamaktır. Bu tür yöntemlerin
sonunda itibarsızlaşacağından eminim. Herhangi bir departmanın personelinde
değişkenlik beklenmelidir ve yalnızca kontrol sınırlarının dışında kalanlar
(olağanüstü durumlar) dikkate alınmalıdır; örneğin yavaş üretim veya yüksek
hata oranı durumunda ileri eğitim veya yüksek performans veya düşük hata oranı
durumunda taklit. Kontrol grafiğinde gösterildiği gibi, üretim veya hata
oranları yalnızca şans eseri farklılık gösteren çalışanlar arasında esaslı bir
fark yoktur. Ortalamanın altında kalanları işaretlemek, üstünde kalanları
işaretlemekle aynıdır, çünkü aralarında hiçbir fark bulunamaz. Personel sorunu,
kontrol grafiği yönteminin etki edeceği alanlardan sadece biridir. Ayrıca
envanter muhasebesi ve diğer iş uygulamaları alanlarında da uygulama
yapılacaktır. Bir örnek, William B. Rice'ın Haziran 1943'te Amerikan İstatistik
Derneği Dergisi'nde yayınlanan bir makalede anlattığı bir yönetim sorunudur.
Fazla mesai, paraya (iki katı veya bir buçuk katı) mal olur ve sağlıksız bir
durumun (işin güncel tutulamaması) göstergesidir. Bay Rice, kontrol çizelgesini
kullanarak, şirketindeki hangi departmanların bir ay boyunca gereken fazla
mesai miktarında standartların dışında kaldığını keşfetti. Sebepler bulunup
ortadan kaldırıldı ve tasarruf sağlanarak çalışma programlarına uyuldu.
Sözlerimi, bilim ne kadar kesinlik
kazanırsa, kesinliğin nihai amacının kesinlik değil, kesin olmayanla başa
çıkmanın istatistiksel yöntemi olduğunu fark etmenin o kadar gerekli olduğu
sonucuna varmak için açıklamak istiyorum. Basit bir örnek yeterli olacaktır.
Büyük miktarlarda üretilen bir ürünü düşünün. Kapı kolu gibi çok basit bir şey amacımız
için yeterli olacaktır. Çapın 5 cm olması gerektiğini belirttiğinizi hayal
edin. Tam olarak 5 cm mi demek istiyorsunuz? Sadece söylediğiniz şeyi
kastetmiyorsanız "Evet" cevabını verebilirsiniz, çünkü tam olarak 5
cm'i kastetemezsiniz - tanımlayamazsınız. Tam olarak 5 cm'i kastettiğinizi,
yalnızca kastetmediğiniz durumlarda -örneğin 5 cm'e yakın bir çap yeterli
olduğunda- söylemenize izin verilir. Parçaların değiştirilebilirliği söz konusu
olduğunda, boyutlarla ilgili gereklilikler çok katıdır. Uçak yapımında, her
ikisi de seri üretimde üretilen, birbirine uyması gereken hassas bir parça
düşünün. Birkaç yüz parça yapıldıktan sonra, yapımında ne kadar özen
gösterilmiş olursa olsun, ölçüldüklerinde hepsinin farklı olduğu görülecektir.
Ne kadar dikkatli ölçülürlerse, en büyük ve en küçük çapların olduğu,
diğerlerinin ise aralarına dağıldığı o kadar belirgin olacaktır. Çoğu
genellikle ortalamaya yakın olacak ve ortalamanın sağında ve solunda giderek
küçülen oranlar bulunacaktır, ancak bu oranlar önemli değildir. Başka bir
deyişle, en küçüğünden en büyüğüne uzanan bir ölçüm dağılımı olacaktır. Bu
dağılımla başa çıkmalıyız, çünkü parçaların hepsi aynı şekilde yapılamaz.
Kesinlik talep ederken, kesin olmayanı kabul etmek ve istatistiksel yöntemi
kullanarak bu kesin olmayanı tahmin etmekten kurtulmak zorunda kalırız.
Yıllar önce insanlar çapların,
ağırlıkların ve diğer özelliklerin hepsinin aynı olamayacağı fikrini kabul
etmeyi öğrendiler. Tolerans fikri yavaş yavaş gelişti. Bir taslakta 1±.002
olarak işaretlenmiş bir çap sıklıkla görülür; ±.002 "tolerans"tır.
Peki ±.002 tolerans ne anlama gelir? Tüm çaplar bu aralığa mı girmeli, yoksa
%98'inin mi yoksa sadece %90'ının mı girmesi yeterli olur? Üretimde gereksiz ve
maliyetli iyileştirmelerden kaçınmak için, hepsinin uyması kesinlikle gerekli
olmadıkça tüm çapların toleranslara uyması gerektiği belirtilmemelidir.
%98'inin veya %90'ının uyması yeterliyse, teknik özelliklerde bu
belirtilmelidir, çünkü %98'inin uymasını sağlamak %100'ünün uymasını
sağlamaktan çok daha az maliyetlidir. Amaca hizmet edecek daha yüksek bir
kalite belirtilmez; Bunun nedeni, eğer o yaparsa, rakibinin bunu yapamamasıdır.
Toleransları ve uyum yüzdesini belirleme ihtiyacı ve yüzdeyle ilgili kanıta
ihtiyaç duyulması, istatistiksel yöntemi gerektirir. Tolerans fikri yeterli
değildir; bir dağılımla ilgilenmek gerekir ve istatistiksel yöntem tam da bu
noktada devreye girer. Ancak, iş bununla bitmez. Ekonomik üretim için dağılım
her saat sabit kalmalıdır. İstatistiksel yöntem, üretilen ürünlerin dağılımlarının
istikrarına ulaşmasını ve bunu korumasını sağlayan araçlar sağlar. Bu, Shewhart
kontrol grafiğiyle yapılır. Shewhart'ın ilk kitabına Üretilen Ürünün Ekonomik
Kontrolü (Van Nostrand, 1931) adını vermesi önemlidir. "Ekonomik"
kelimesine dikkat edin. Birçok üreticinin istatistiksel yöntem olmadan da idare
ettiği doğrudur, ancak ekonomik üretim istatistiksel yöntemlerin kurulmasını
gerektirir. Kesinlik ve rekabet, ister barışta ister savaşta olsun, giderek
daha da katılaştıkça, istatistiksel yönteme giderek daha fazla ihtiyaç
duyulmaktadır.
Fiziksel şeylerle kesinliği
sınırlarına kadar zorlamanın beyhudeliğini göstermeye çalıştım. Sosyal
bilimlerde de benzer bir durum vardır. Nüfus sayımları ve diğer sosyal ve
ekonomik veri araştırmaları tarafından sağlanan veriler, teori ile gerçek dünya
arasında gerekli bir bağdır. Bu tür araştırmalarda amaç, belirli sınıflara
giren kişileri veya işletmeleri saymaktır. Dolayısıyla, Nüfus Sayımı'nın
yayınlanmış raporlarında, 1 Nisan 1940'ta Missouri Eyaleti'ndeki taş, kil ve
cam üretim endüstrilerinde işçi olarak çalışan 20-24 yaş arası kişilerin
sayısını bulabilirsiniz. Çoğu insan saymanın kesinlik olduğunu düşünür. Ancak
saymak bile basit değildir. Hatalardan değil, tanımlardaki zorluklardan
bahsediyorum. Bir telgraftaki kelime sayısını saymayı hiç denediniz mi? Los
Angeles bir kelime mi yoksa iki kelime mi sayılır? Bu bir tanım meselesidir ve
kuralları bilmek gerekir. Örneğin, Philadelphia veya başka bir şehrin sınırları
içinde yaşayanların sayısını tanımlamaya çalışırken de zorluklar ortaya çıkar.
Her şeyden önce, kimin sayılacağı sorusu vardır. Sadece orada bir yıl ikamet
eden kişileri mi saymalıyız, yoksa sadece bir günlüğüne de olsa iş için orada
bulunan kişileri de dahil etmeli miyiz? Peki ya sayım sırasında Chicago'yu
ziyaret eden veya Asheville'de bir sanatoryumda bulunan Philadelphia sakinleri?
Onları saymalı mıyız? Peki ya Philadelphia'da çalışıp Swarthmore veya
Chester'da yaşayanlar? Onları saymalı mıyız? Bu farklı sakin sınıflarının ayrı
ayrı sayımlarını tutmalı mıyız? Cevap, verilerin hangi amaçla kullanılacağına
bağlıdır.
Bu farklı sınıfların tatmin edici
bir sayımını elde ettikten sonra, Philadelphia ne kadar süre bu şekilde
kalabilir? Nüfus, doğumlar ve ölümlerle ve her tren veya vagon dolusu insanın
girip çıkmasıyla artar ve azalır. Amaçlanan amaç için belirli bir doğruluk
derecesinin yeterli olduğunu belirtmek gerekir. Teorik olarak güncel bir sayım
günlük veya haftalık olarak tutulabilir, ancak bunun maliyeti Philadelphia
halkını zor durumda bırakır. Amaç için gerekenden daha fazla kesinlik
belirtilmemelidir. Dolayısıyla, sosyal bilimlerde de, kesin bilimlerde de,
yardım için istatistikçiye sığınmak zorunda kalınır. Belirli amaçlar için nüfus
veya sınıf sayımına ihtiyaç duyulur ve bu amaçlar için gerekenden daha fazla
doğruluk elde etmek için para harcamanın bir anlamı yoktur. Sonuçların birçok
faktöre bağlı olacağının farkında olunmalıdır: himaye, tarih, sayım görevlisine
verilen talimatlar ve hatta hava durumu. Bir örneklemin, tam bir sayımın
maliyetinin yedide biri kadar bir maliyetle alınması ve oldukça yeterli olması
mümkün olabilir. İstatistikçi, örneklem sonuçları için hata bandının
genişliğini bilir ve değişen doğruluk dereceleri için gereken örneklem
büyüklüğünü, gereken insan gücünü ve maliyeti hesaplayabilir. Denetçiler, ister
insan, ister işletme veya sanayi olsun, bir popülasyonun farklı sınıflarının
sayımlarını sağlamak için gereken örneklem büyüklüğünü belirleyen bazı
hususlarla ilgilenecektir. Bazı amaçlar için tam bir sayım gereklidir; diğer amaçlar
için örnekleme yalnızca yeterli olmakla kalmaz, aynı zamanda genellikle daha
iyidir. Örnekleme neredeyse her zaman daha ucuz ve daha hızlıdır ve insan gücü
gereksinimleri üzerinde daha az yük oluşturur; ayrıca yanıt yükünü de azaltır.
Örnekleme, herhangi bir örnekleme hatası tolere edilebildiği sürece, bir
popülasyonun belirli sınıflarının frekansları için rakamlar sağlamak için
uygundur. Elbette, tam sayım daha az sorunluysa ve hatta bazen evrenin yalnızca
birkaç yüz tesisten oluştuğu durumlarda olduğu gibi daha hızlıysa, tam sayım
kesinlikle kullanılmalıdır.
Örnekleme, tablolamanın ayrıntısı
arttıkça ve hücre frekansları azaldıkça sorunlu hale gelebilecek örnekleme
hatalarına yol açar. Ancak, herhangi bir ankette mevcut olan birçok hata
kaynağının aksine, örnekleme hataları örneğin tasarımı ve boyutuyla kontrol
edilebilir. Örnek, amaçlanan amaçlara hizmet etmek için gerekenden daha büyük
veya daha maliyetli olmamalıdır. Bir örnekleme planının, tam bir sayım
temelinde yapılması gerekenle aynı eylemi sağlayacak sonuçlar elde etmek için
önceden güvenilebiliyorsa tatmin edici olduğu söylenir. Örnekleme planı,
gereken doğruluğu sağlamalıdır, ancak zamandan ve paradan tasarruf etmek
amacıyla gerekenden daha fazla doğruluk sağlamamalıdır. Örnekleme, bir bireyi
ilgilendiren bir eylemin formüle edilmesi için temel olarak kullanılacak
bilgiler için uygun değildir ve bu nedenle o bireyin belirli özellikleriyle
ilgili elde edilen kayıtlara (örneğin gelir vergisi) bağlıdır. Yasa gereği tam
bir sayım gerekli olduğunda, örnekleme tam bir sayımın yerini alamaz. Örneğin,
bir Kongre temsilcisi için tam bir sayım gereklidir ve aslında Nüfus Sayımı ilk
olarak bu amaçla başlatılmıştır. Bilimsel açıdan ne kadar arzu edilirse
edilsin, örneklemenin tam bir sayım yerine kullanılması genellikle yasada veya
sözleşmenin yazımında bir değişiklik gerektirir. Örneğin, üretilen ürünler için
şartnamelerin yazılmasında, bir sözleşmenin şartları her ürünün incelenmesini
gerektirebilir. Örneklemenin yerine kullanılması, ne kadar arzu edilirse
edilsin, sözleşmenin revize edilmesini gerektirir.
2,580 / 5,000
Genel olarak, örnek verilerin iki
kullanımı vardır: sayımsal ve analitik. Her ikisinde de temel amaç sayımdır;
Chicago şehrinde belirli bir meslek grubundaki, erkek, beyaz, 30-34 yaş gibi
belirli özelliklere sahip kişilerin sayısını saymaktır. Bu tür herhangi bir
sınıfın sayımında gereken doğruluk, verilerin kullanımlarına bağlıdır ve bu
kullanımlar da tüketicinin bir fonksiyonudur. Genel olarak, sayımsal kullanım
için gereken doğruluk, analitik kullanımdan daha fazladır. Her iki kullanımda
da nihai amaç eylemdir. Sayımsal kullanımda eylem, nüfusun belirli kesimlerine
yöneliktir ve bu kesimlerin boyutlarını gösteren hücre frekansları (örneğin, 65
yaş ve üzeri kişi sayısı) temelinde formüle edilir. Eylem, bu frekansları
üreten ve onları oldukları hale getiren nedensel sistem dikkate alınmadan
gerçekleştirilir. Verilerin birçok sayımsal kullanımı vardır. Örneğin, yasa
gereği Sosyal Güvenlik programları kısmen sayımsal sonuçlara - 65 yaş ve üzeri
kişi sayısına - bağlıdır; aynı şey halk sağlığı programları, tarımsal
düzenlemeler ve diğer tahsisler için de söylenebilir. Örnekleme verileri,
sayımsal kullanımlar için nüfusun birçok kesiminin frekanslarının yeterince
doğru ölçümlerini verecektir. Gereken doğruluk ne kadar yüksekse, örneklem o
kadar büyük veya karmaşık olmalıdır. Gereken doğruluk o kadar yüksek olabilir
ki, daha önce belirtildiği gibi tam bir sayım yapmak daha ucuz olabilir; ancak
prensip olarak, yasa veya sözleşme gereği tam bir sayım gerekmiyorsa, örnekleme
kullanılabilir. Analitik kullanımda eylem, nüfusun çeşitli sınıflarının
frekanslarını oluşturan ve gelecekte bu sınıfların frekanslarını yönetecek olan
temel nedenlere yöneliktir. Analiz çalışmalarında ilgi, tablolardaki
frekansların belirlediği örüntülere ve bu örüntülerde bölgeden bölgeye, aydan
aya veya yıldan yıla gözlemlenen değişimlere odaklanır. Bu amaçla, bir örneklem
kapsamı genellikle gerekli bilgileri sağlayacaktır. Nitekim, analitik amaçlar
için, tam bir sayımdan elde edilen veriler bile, altta yatan neden sisteminin
ürününün, şans eseri nedenlerle değiştirilmiş bir örneği olarak
yorumlanmalıdır. Birçok durumda, sık zaman aralıklarında alınan küçük bir
örneklem, eğilimleri ve bunlar gerçekleşirken meydana gelen değişiklikleri
göstererek, analiz amacıyla, çok daha büyük bir örneklem veya daha geniş zaman
aralıklarında alınan tam bir sayımla yaklaşık aynı maliyetle sağlanacak olandan
daha fazla bilgi sağlayacaktır.
Hiç yorum yok:
Yorum Gönder