A VIEW OF THE STATISTICAL METHOD By W. EDWARDS DEMING


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

BU BLOGGER NE ANLATMAYA ÇALIŞIR, ALTTAKİ SÖYLEŞİ EN İYİ ŞEKİLDE AÇIKLAMAKTADIR. Not: Blogger yazıları deforme etmektedir. Genel olarak yazıl...