Evrende pek az olay veya oluşum, belli nedenlere bağlı, kesin sonuçlarla ortaya çıkar (Tipik Olay), genellikle rastlanılan, belli nedensel verilerin her zaman aynı sonuca erişememesidir. Sonuç olarak düşündüğümüz oluşumlar bizim varsaydıklarımızın dışında, denetleyemediğimiz hatta bilmediğimiz pek çok başka nedensel etkene de bağlıdırlar. Ayrıca tüm nedensel etkenler de kendi boyutlarında, katı ve kesin değerler taşımayabilirler.
Böylece evren çok büyük oranda bir “Atipik Olaylar ” yumağıdır dolayısı ile de belli kavramsal nedenlere bağlı olarak,belli sonuçların ortaya çıkması beklense de bu kesin değil olasıdır.
Neyse ki bu “olasılık” hiç bir kestirime olanak tanımayacak kadar rassal değildir ve bu sayede bilim belli ölçüde hata yapılabileceğini “önkabul” ederek nedensellik bağıntılarına ilişkin açıklamalar üretebilir.
Bu noktada neden olarak düşünülebilecek olgularda da bunlara bağlı sonuçlarda da kesin değil ” Değişken “değerlerle karşılaşacağımız anlaşılır. Değişken terimi ve ölçümlerdeki ” Değişim” (Varyans) buradan kaynak alırlar.
Bir değişkene ilişkin bilgi sayısal terimlerle yansıtılırken, gözlemlerin belli olasılık düzeyinde, hangi değişebilirlik aralığında bulunacağının yansıtılmasına çalışılır. Bu aşamada konu ile ilgili bilimdalının kabulleri, değişkenin özelliği, olayda kuramsal bir beklentinin olup olmaması,vs de etkin rol oynar. Sonuçta araştırmacının elinde – bazen istatistik uygulama yapılırken farkına varılmasa bile – gerçekleşme olasılığı bilinen değerler oluşur.
Örneğin hilesiz bir zarda “5” gelme Şansı, olasılığı yüzde 16.66 yani 0.1666 dır. 5 atıştan 4 ünün 6 gelmesi olasılığı ( p) ise p = 0.0032 yani onbinde otuzikidir. Bu konumun hesabı ise kuramsal bir olasılık dağılımı ile (Binom) yapılmıştır.
Sonucun çok küçük bir olasılıkta olması , normal koşullarda çok ender olabilecek bu beklenmez olay gerçekleşmiş ise bizim de yeni bir yorum getirmemize (zar tutulmaktadır) yol açar. Bu olayda 5 zar atımından yani belli sayıda örnekten söz edilmektedir.
“Sağlıklı, 45 yaş üzeri erkek toplumunun kalp hızı 78.6 ± 6.2 v/d dir ” bilgisinde ise, bir topluma ilişkin açıklama yapılmakta , olayın sayısal ortalamasının (78.6) yanı sıra, istatistiksel temel değişim göstergesi olan standart sapma (SD = 6.2) da verilmektedir. Bu toplumdan rastgele bir bireyin kalp hızının 86 nın üzerinde olması ise yine başka bir kuramsal dağılım çerçevesinde (Gauss) p=0.116 olarak hesaplanabilir.
Her iki örnekde de işlem, özel bir durumun, belli koşulları olan bir beklentiye ne ölçüde uyduğunu soruşturmak ve bunu ortaya çıkabilme olasılığı ile yansıtmaktır.Değişim aralığı belirlenebilen bir beklentinin olağanlık sınırları başka bir deyişle ” normallik ” sınırları ortaya konabiliyorsa, bunun dışına düşen yani ” olağandışı” ölçüm düzeyleri de saptanabilir .
Bu araştırıcıya, bulgusunun özel bir durum yansıtıp yansıtmadığını irdeleme şansı verir. Olağan sayılmayan durumlar yeni yorum ve bilgilerin kaynağıdır ve bunlar için tipik bir deyim olan “istatistiksel açıdan anlamlı” yargısı belirtilir.
Tıp ve diğer biyoloji kökenli bilimlerde, bu “olağandışı” sayılma sınırı , ortaya çıkma olasılığı ” p *<* 0.05 ” olan durumlar için geçerli kabul edilir.
Bu sınır önkabulseldir ve ilgilenilen konuya göre değişebilir .Klinik bulgularla desteklenmeyen, araştırma yöntembiliminin ve nedensellik bağının ana ilkelerine uymayan durumlarda, anlam taşımıyacağı açıktır.
Bilimsel çalışmada bu noktaya ters yönden de gelinebilir ve zaten genelde uygulanan bu tip bir geliştir.Başlangıçda araştırıcı, deneyimlerine, sezgi ,bilgi ve gözlemlerine dayalı olarak yeni bir varsayım kurgular. İstatistiksel yargılama bu varsayımın ,o ana dek bilinenlere veya kuramsal olarak bu varsayımın geçerli olmadığı duruma göre ne denli olağandışı sayılabileceğini soruşturur. Bu soruşturma ,kıyassal deneyin kurgusu gerekli örneklemin saptanması ve eldesi, değerlendirme yönteminin seçimi,olası hatalara karşı önlemler alınması gibi temel işlemleri içeren toplam bir Biyoistatistiksel eylemdir. Eylemin sonunda araştırıcının bulguları, o ana dek bilinen temel, kıyassal bilgilere göre olağan dışı (p<0.05) sayılabilecek denli farklı bulunursa ,bu farklılığı açıklayan yeni bir nedensel varsayım, doğru ,geçerli kabul edilir.Aksi durumda ise yeni varsayımın geçerliliği en azından bu aşamada ispatlanamamış olur ki bunun da gereğinde yeni bir bilgi olabileceği unutulmamalıdır.
Bilimde temel amaç geçerli doğru bilgiye erişebilmektir ve buna tam olarak ancak konu ile ilgili tüm olgulara yani olay toplumuna erişilirse ulaşılabilir.Bu durum hemen hemen daima olanaksızdır dolayısı ile de bilgiyi kısıtlı sayıda ögeden elde etmek zorunluluğu ortaya çıkar.
Tüm toplumun yerine konacak bu özel kümeye Örneklem adı verilir ve bunun sayısı, eldesi, toplumu simgeleme yetenekleri araştırma sonucunun doğru olmasında büyük önem taşır.Ne kadar yeterli ve benzeş olsa bile bir örneklemin, toplumun hiçbir zaman erişilmeyen gerçek değerlerini tam olarak vermesi beklenmez ve arada bir hata olacağı önkabullenilir. Biyoistatistik yargı , kısıtlı bir kümeden elde edilen sonuçlarla denetlenen araştırma varsayımının, gerçek evrensel bilgiye uyumunun değerlendirilmesi olarak da düşünülebilir.
Amaçlanan, gerçekte var olmayan bir oluşum için “geçerli” yorumunda bulunma hatasını veya bunun tersini olabildiğince az yapmaktır. Yeni bir ilacın ,belli bir hastalığı tedavi edebileceğini varsaydığınızı ve bunu ispatlamak için bir yargılama düzeni kurduğunuzu örnek olarak alalım.İlacın aslında evrensel gerçek olarak yararsız olduğunu düşünürsek, kendi koşullarınızla yargılamanız sonucu ilacı siz de yararsız – yararlı değil – bulabilirsiniz (yararlı varsayımını ispatlayamazsanız) ve bu durumda gerçek durumu yansıtmış olursunuz. Fakat yargılama düzenindeki çeşitli yanlışlar nedeni ile ilacın yararlı olduğu yanlış sonucuna da erişebilirsiniz böylece de gerçeğe aslında ters düşerek bir değerlendirme hatası yaparsınız.
Bu konumların benzeri ilacın gerçekte yararlı olduğu durum için de düşünülebilir. Böylece, gerçeğe göre sizin yargınızı yansıtan ve iki uyum iki de ters düşme içeren sonuçlar ortaya çıkar;
I. Tip hata; önkabulsel “p<0.05″ lik alanı yansıtmakta ve aslında yanlış olabilecek bir varsayımı hatalı olarak geçerli bulmayı olabildiğinde aza indirmeyi amaçlamaktadır.”a” olarak da adlandırılan bu hata tipi olumsuz sonuçlar veya en azından boşuna ümitler oluşturabilecektir.
II. Tip hata; – b hatası – ise aslında var olan bir gerçeği ispatlayamamakla oluşmaktadır.Bunun sonuçları bazen görünüşte fark edilmeyabilir ancak yararlı bilgilerin yaşama aktarılmasında büyük eksiklere neden olabilir.
‘a’ önkabulsel olmasına karşın b yı azaltmak öntembilimsel / biyoistatistiksel doğru yaklaşımlarla sağlanır.
Tüm bu kavramlar çerçevesinda, uygun, yeni bir bilgi olarak düşündüğü varsayımın geçerliliğini denetlemeyi düşünen araştırmacının, varsayımı aklına getiren ipucunu sezmesinden başlayarak izleyeceği yolun aşamaları aşağıdaki gibi olmalıdır;
– Amacın belirlenmesi ve varsayımın kurulması
– Yargılama düzeninin, tasarımının belirlenmesi
– Değişkenlerin ve ölçüm tiplerinin belirlenmesi (sürekli ölçüm düzeyi, sınıfsal değerlendirme, skorlama, ikili ölçüm, vs)
– Kıyas küme/konumlarının belirlenmesi
– Yeterli örneklem sayısının belirlenmesi
– Uygun örneklem yöntemi
– Seçim/Bilgilenme biaslarına önlem alınması
– İkincil etkenlere karşı örneklem yapısında alınabilecek önlemlerin belirlenmesi
– Kısıtlama / Çiftleme (Benzer eşleme) /Katmanlama + Rassallama (Bu önlemler tasarım ve araştırmanın gerçekleştirilmesi aşamasında alınmaz ise, istatistiksel değerlendirme düzeyinde bazı tekniklerle çözüm aranabilir.)
– Olguların ,Ölçülerin (sayımların) hatasız eldesi
– Tasarıma ve elde edilmiş verilerin özelliklerine uyan istatistiksel değerlendirme yönteminin belirlenmesi ve uygulanması
– Sonuçlara uyan yorumların, gereğinde genelleme ve/veya kestirimlerin belirtilmesi
– Veri ve sonuçların anlaşılır biçimde sunulması
