Bilim Felsefesi

Bilim, dünya hakkında güvenilir bilgi üretmeye yönelik sistematik, kanıta dayalı ve öz-düzeltici bir girişimdir. Gündelik inanç, dogma ve sözde bilimden temel olarak ampirik sınama, teorik çerçeveleme, nesnellik-olarak-öznelerarasılık ve bilginin sosyal ile kurumsal üretim biçimleriyle ayrışır. Bilimi yalnızca bir yöntemle tanımlamak yetersiz kalır; bilim, hem pratik hem de toplumsal bir etkinlik olarak anlaşılmak zorundadır.

Bilimsel yöntem, doğa hakkındaki soruların sistematik biçimde yanıtlanmasına olanak tanıyan epistemik bir çerçevedir. Soru belirleme, hipotez kurma, tahmin üretme, kontrollü gözlem ya da deney yürütme ve bulguların analiz edilerek revizyona tabi tutulması aşamalarından oluşan döngüsel bir süreç olarak tanımlanır. Bununla birlikte, tek ve sabit bir algoritmanın varlığından söz etmek güçtür; yöntem disipline, araştırma bağlamına ve epistemik hedefe göre önemli ölçüde değişim gösterir. Sınanabilirlik, yeniden üretilebilirlik ve çıkarımın geçerliliği, yöntemin temel ölçütleri olarak kabul edilmektedir.

Tümevarım problemi, David Hume tarafından ortaya atılan ve geçmiş gözlemlerden gelecekteki olgulara yapılan çıkarımların mantıksal temelini sorgulayan felsefi bir güçlüktür. Hume'a göre tümevarımsal akıl yürütme ne salt mantıksal zorunlulukla ne de deneyimsel temelde dairesellikten kaçınarak gerekçelendirilebilir. Bu sorun, bilimsel yasaların kesinlik iddiasını derinden sarsmış; Popper'ın yanlışlanabilirlik kuramının ve Bayesci epistemolojinin doğrudan itici gücü olmuştur.

Hipotetik-dedüktif yöntem, bilimsel araştırmada bir hipotezin öne sürülmesini, bu hipotezden gözlemlenebilir sonuçların mantıksal olarak türetilmesini ve söz konusu tahminlerin deneysel ya da gözlemsel testlerle sınanmasını kapsar. Doğrulanan tahminler hipotezi destekler; ancak kesin olarak kanıtlamaz. Buna karşılık çürütülen tek bir tahmin, hipoteze karşı güçlü bir delil oluşturur. Yöntem, saf tümevarımcılığın sınırlılıklarını aşmayı amaçlar ve çağdaş bilim felsefesinin merkezinde yer alır.

Demarkasyon problemi, gerçek bilimi sözde-bilimden ve metafizikten ayıran ölçütün ne olduğunu sorgular. Karl Popper, yanlışlanabilirliği temel ölçüt olarak önermiş; sınanabilir ve çürütülebilir önermeleri bilimsel, çürütülemez olanları ise bilim dışı saymıştır. Astroloji ve bazı psikanaliz yorumları onun başvurduğu örnekler arasındadır. Sonraki felsefeciler demarkasyonun tek ve keskin bir çizgiden çok çok ölçütlü ve derece derece bir sorun olduğunu ileri sürmüştür.

Pozitivizm, gerçek bilginin yalnızca gözlemlenebilir olgulardan ve bu olguların düzenli örüntülerinden elde edilebileceğini savunan felsefi bir yaklaşımdır. Auguste Comte tarafından sistemleştirilen bu görüş, metafizik ve teolojik açıklamaları bilimsel bilginin dışında bırakır. Comte'un 'üç hal yasası', insanlığın teolojik, metafizik ve pozitif (bilimsel) aşamalardan geçtiğini ileri sürer. Pozitivizm, 19. ve 20. yüzyıl sosyal bilimlerinde genel yasalar arayışını derinden etkilemiş; sonraki dönemde mantıksal pozitivizme zemin hazırlamıştır.

Mantıksal pozitivizm, 1920'lerde Viyana'da Moritz Schlick'in önderliğinde bir araya gelen filozoflar topluluğunun —Viyana Çevresi'nin— geliştirdiği etkili bir bilim felsefesi akımıdır. Bu akıma göre bir önerme, ancak ampirik olarak doğrulanabiliyorsa ya da analitik olarak doğruysa bilişsel açıdan anlamlıdır. Metafiziksel önermeler bu ölçütü karşılayamadığından anlamsız sayılmıştır. Akım, mantık ile empirizmi birleştirerek bilimlerin ortak bir dil çerçevesinde birleştirilmesini savunmuş; sonraki bilim felsefesi tartışmalarını derinden biçimlendirmiştir.

Yanlışlanabilirlik, Karl Popper tarafından geliştirilen bir bilim felsefesi ilkesidir. Popper'a göre bilimsel teoriler hiçbir zaman kesin olarak doğrulanamaz; ancak potansiyel olarak yanlışlanabilirler. Bilim, cesur varsayımlar ortaya koymak ve bunları sert testlere tabi tutmakla ilerler. Çürütülemeyen bir teori bilimsel değildir. Bu ilke, hem Hume'un tümevarım sorununa tümdengelimsel bir çözüm sunar hem de bilimsel olan ile olmayanı birbirinden ayırt etmenin —sınır çizme probleminin— temel ölçütü olarak işlev görür.

Thomas S. Kuhn, bilimin doğrusal bir birikim süreci olmadığını ileri sürmüştür. Ona göre bilim, belirli bir paradigma çerçevesinde yürütülen 'normal bilim' dönemleri ile bu paradigmanın yerini yenisine bıraktığı devrimci kırılmalar arasında gidip gelir. Anomaliler birikmesi ve kriz sürecinin ardından bilim topluluğu köklü bir paradigma değişimine uğrar. Kuhn ayrıca ardışık paradigmaların birbirleriyle kısmen kıyaslanamaz olduğunu savunmuş; bu tez hem bilim felsefesini hem de bilim tarihini derinden etkilemiştir.

Imre Lakatos, Karl Popper'ın yanlışlamacılığını Thomas Kuhn'un tarihsel bilim anlayışıyla uzlaştırmak amacıyla bilimsel araştırma programları metodolojisini geliştirmiştir. Bu çerçevede her program, yanlışlanamaz bir 'sert çekirdek' ve onu koruyan yardımcı hipotezlerden oluşan bir 'koruyucu kuşak'tan meydana gelir. Yeni olgular öngörebilen programlar 'ilerleyen', yalnızca anomalileri geriye dönük olarak açıklayanlar ise 'gerileyen' olarak nitelendirilir. Teorilerin değerlendirilmesi tek bir deneye değil, zaman içindeki birikimli gelişmeye dayanır.

Paul Feyerabend, 1975 tarihli Yönteme Karşı adlı eserinde evrensel ve sabit bir bilimsel yöntemin var olmadığını savunur. "Her şey gider" (anything goes) ilkesi bir bilim karşıtlığı değil, yöntem tekelciliğine karşı bir provokasyondur. Feyerabend'e göre Galileo başta olmak üzere pek çok bilimsel devrim, dönemin metodolojik kurallarının açıkça ihlal edilmesiyle gerçekleşmiştir. Bilimin ilerleyebilmesi için teorik çoğulculuk ve fikir çoğalması zorunludur; tek bir metodolojik dogmaya bağlılık bilimsel gelişimi engeller.

Bilimsel realizm; başarılı teorilerin yaklaşık olarak doğru olduğunu ve elektron ile gen gibi gözlemlenemeyen varlıkların gerçekten var olduğunu savunur. Anti-realizm ise bu iddiaya itiraz eder: Bas van Fraassen'ın inşacı ampirizmi, teorileri gözlemlenebilir olgular bakımından yeterli kabul etmekle birlikte gözlemlenemeyenlerin varlığını onaylamayı reddeder. Araçsalcılık ise teorileri hakikat iddiası taşımayan pratik araçlar olarak değerlendirir. Bu tartışma, bilimin nihai amacına ilişkin temel bir felsefi soruyu yansıtır.

Carl Hempel ve Paul Oppenheim'ın 1948'de geliştirdiği tümdengelimsel-nomolojik (DN) model, bir olguyu açıklamanın o olguyu genel yasalardan ve başlangıç koşullarından mantıksal olarak türetmek anlamına geldiğini savunur. "Örtücü yasa" modeli olarak da bilinen bu yaklaşıma göre açıklama ve öngörü yapısal olarak simetrik işlemlerdir. Model, istatistiksel yasalara dayanan tümevarımsal-istatistiksel (IS) varyantıyla tamamlanmış; ancak asimetri ve uygunsuzluk itirazlarıyla ciddi biçimde sorgulanmıştır.

Bayesçi bilim felsefesi, bilimsel çıkarımı olasılıksal inanç güncellemesi olarak ele alır. Bir hipotez hakkındaki ön inanç (prior), yeni kanıtlar ışığında Bayes teoremi aracılığıyla sonsal inanç (posterior) biçiminde güncellenir. Bu çerçevede bir kanıt, bir hipotezi yalnızca o hipotezin olasılığını artırdığı ölçüde doğrular. Yaklaşım, tümevarım sorununa ve teyitin mantığına kademeli, nicel bir yanıt sunar; bununla birlikte öznel önsel olasılıkların seçimi başlıca eleştiri konusu olmaya devam etmektedir.

Araştırma paradigması, bir araştırmacının gerçekliğin doğasına, bilginin nasıl edinildiğine ve bu bilgiye nasıl ulaşılacağına ilişkin temel varsayımlar bütünüdür. Guba ve Lincoln'ün çerçevesi; paradigmaları ontoloji, epistemoloji ve metodoloji eksenlerinde sınıflandırır. Pozitivizm nesnel bir gerçeklik varsayarak nicel yöntemlere, yorumsamacılık/yapılandırmacılık toplumsal anlam inşasını esas alarak nitel yöntemlere, pragmatizm ise neyin işe yaradığını önceleyen karma yöntemlere yönelir. Eleştirel realizm gözlemlenemeyen mekanizmaları araştırmaya dahil eder. Bu paradigmalar, felsefe ile somut araştırma yöntemi seçimi arasındaki köprüyü oluşturur.

Yinelenebilirlik krizi, başta psikoloji ve biyomedikal araştırmalar olmak üzere bilim dünyasını derinden sarsmıştır. Yayımlanmış bulguların önemli bir kısmının bağımsız denemelerde doğrulanamaması, p-kırpma, yayın yanlılığı, düşük istatistiksel güç ve sorgulanabilir araştırma pratiklerinin yaygınlığına dikkat çekmiştir. Açık bilim hareketi; ön kayıt, kayıtlı raporlar, açık veri ve kod paylaşımı ile daha büyük örneklem büyüklüklerine vurgu yaparak bu sorunlara yanıt vermektedir. Bilim felsefesi açısından kriz, bilimsel doğrulamanın sınırlarını ve araştırma altyapısının yeniden yapılandırılması gerektiğini gündeme taşımıştır.

İstatistiksel hipotez testi, bir popülasyon hakkındaki sınanabilir iddiaları veri aracılığıyla değerlendiren çıkarımsal bir çerçevedir. Sıfır hipotez (H₀) "etki yoktur" iddiasını temsil eder; alternatif hipotez (H₁) ise bir etkinin var olduğunu ileri sürer. Araştırmacı H₀'ı varsayar, veriyi bu varsayım altında ne kadar şaşırtıcı bulduğunu ölçer ve H₀'ı ya reddeder ya da reddedemez. "Reddedememe" asla "kabul etme" anlamına gelmez; H₁ hiçbir zaman kanıtlanmış olmaz. Fisher'ın anlamlılık sınaması ile Neyman-Pearson karar çerçevesi farklı felsefi temellere dayanır.

Merkezi Limit Teoremi, birbirinden bağımsız ve özdeş dağılımlı, sonlu varyansa sahip rastgele değişkenlerin toplamının (veya ortalamasının) dağılımının, örneklem büyüdükçe normal dağılıma yakınsadığını öne sürer. Bu yakınsama, ana kütlenin dağılım şeklinden bağımsız olarak gerçekleşir. Teorem, normal dağılıma dayalı istatistiksel çıkarımın —güven aralıkları ve hipotez testleri dahil— temel kuramsal gerekçesini oluşturur.

Örnekleme, bir popülasyondan sonuç çıkarmak amacıyla veri toplamak için bir alt küme seçme sürecidir. Olasılıklı örnekleme yöntemleri — basit rastgele, sistematik, tabakalı, küme ve çok aşamalı — her birimin seçilme olasılığını önceden belirler; bu sayede yansız tahmin ve istatistiksel genelleme mümkün olur. Olasılıksız yöntemler — kolayda, amaçlı, kota ve kartopu örnekleme — daha az maliyetlidir, ancak seçim yanlılığına yatkındır ve istatistiksel çıkarımı kısıtlar.

p-değeri, sıfır hipotezi doğru kabul edildiğinde gözlemlenen veriler kadar ya da daha uç sonuçların elde edilme olasılığını ifade eder. Araştırmacılar bu değeri, önceden belirledikleri anlamlılık düzeyi α (genellikle 0,05) ile karşılaştırarak H₀'ı reddedip reddetmeyeceklerine karar verir. Ancak istatistiksel anlamlılık, pratik önemi garanti etmez; p-değeri küçük bir etki büyüklüğünde bile anlamlı çıkabilir. Amerikan İstatistik Derneği'nin (ASA) 2016 açıklaması, p-değerinin tek başına karar verme aracı olarak kullanılmaması gerektiğini vurgular.

İstatistiksel hipotez testinde iki temel hata türü vardır. Tip I hata (α), gerçekte doğru olan sıfır hipotezinin reddedilmesidir; yanlış pozitif olarak da bilinir. Tip II hata (β), gerçekte yanlış olan sıfır hipotezinin reddedilememesidir; yanlış negatif adını alır. İstatistiksel güç (1 − β) ise gerçek bir etkinin saptanabilme olasılığıdır. Bu iki hata türü arasında bir denge mevcuttur: α azaltılırsa β artar ve güç düşer.

Araştırmalarda ölçüm doğruluğunu tehdit eden hatalar iki ana gruba ayrılır: örnekleme hatası ve örnekleme-dışı hata. Örnekleme hatası, bir ana kütleden yalnızca bir alt kümenin gözlemlenmesinden kaynaklanan rastgele dalgalanmadır; örneklem büyüklüğü artırılarak azaltılabilir. Örnekleme-dışı hatalar ise kapsam, yanıtsızlık, ölçüm ve işleme sorunlarını kapsar; daha büyük örneklem bu hataları gidermez. Yanlılık sistematik sapma, varyans ise rastlantısal yayılım olarak tanımlanır. Toplam anket hatası çerçevesi bu hata kaynaklarını bütünleşik biçimde ele almaktadır.

Güven aralığı, bir parametrenin nokta tahmini yerine olası değerler kümesiyle ifade edilmesini sağlar. Yüzde 95 güven aralığı, çok sayıda tekrarlanan örneklemde oluşturulan aralıkların yüzde 95'inin gerçek parametreyi kapsayacağı anlamına gelir. Bu güven, prosedürün bir özelliğidir; hesaplanan tek bir aralığın parametreyi kapsama olasılığı yüzde 95'tir demek yanlıştır. Aralığın genişliği kesme hassasiyetini, konum ise etkinin büyüklüğünü yansıtır.

Etki büyüklüğü, bir fenomenin büyüklüğünü örneklem boyutundan bağımsız biçimde ölçen istatistiksel bir ölçüdür. p değerleri, etki büyüklüğünü örneklem boyutuyla karıştırdığından pratik önemi değerlendirmek için yetersiz kalır. Cohen's d, Pearson r, odds oranı ve eta-kare gibi endeksler araştırmacılara hem pratik önemi hem de meta-analiz için gerekli standart girdiyi sağlar. Küçük/orta/büyük gibi geleneksel etiketler ise kaba kılavuzlar olup evrensel sınırlar değildir.

Tanımlayıcı istatistik, eldeki veri kümesini merkezi eğilim ölçüleri, yayılım ölçüleri, tablolar ve grafikler aracılığıyla özetler; başka bir popülasyona atıfta bulunmaz. Çıkarımsal istatistik ise bir örneklemden hareketle olasılık modelleri yardımıyla daha geniş bir evren hakkında sonuçlar çıkarır: tahmin, hipotez testi ve güven aralıkları bu sürecin temel araçlarıdır. İki yaklaşım arasındaki temel geçiş, örneklemin nasıl elde edildiğine bağlıdır.

Bir değişkenin ölçüm düzeyi, o değişken üzerinde hangi matematiksel işlemlerin ve istatistiksel tekniklerin anlamlı olduğunu belirler. Stevens (1946), ölçek türlerini nominal, ordinal, aralık ve oran olarak sınıflandırmıştır. Bu hiyerarşi, analiz seçiminde temel bir rehber olmakla birlikte katı bir kural değildir; araştırmacıların hangi istatistiklerin gerçekten anlamlı olduğunu sorgulaması gerekir.

Güvenirlik, bir ölçüm aracının farklı zaman noktalarında veya farklı değerlendiriciler tarafından uygulandığında tutarlı sonuçlar vermesidir. Geçerlik ise aracın ölçmeyi iddia ettiği şeyi gerçekten ölçüp ölçmediğiyle ilgilidir. Bir ölçüm sistematik olarak hatalı olduğunda güvenilir ama geçersiz olabilir; geçerlik ise belirli düzeyde güvenirlik gerektirir. Her ikisi de bilimsel araştırmanın temel kalite standartlarıdır.

İki değişken arasında gözlemlenen bir korelasyon, aralarında nedensel bir bağ bulunduğunu kanıtlamaz. Karıştırıcı değişkenler, ters nedensellik, seçim etkileri ve tesadüf; gerçek bir nedensellik olmaksızın istatistiksel ilişki üretebilir. Nedensellik iddiasında bulunabilmek için rastgele atama deneyleri ya da araç değişkeni, fark içinde fark veya regresyon süreksizliği gibi nedensel çıkarım tasarımlarına başvurmak ve açık varsayımlar belirtmek gerekir.

Merkezi eğilim ölçüleri, bir dağılımın merkezini tek bir değerle özetler. Aritmetik ortalama tüm gözlemleri kullanır; ortanca sıralı veri kümesinin tam ortasındaki değerdir; mod ise en sık tekrarlanan değeri ifade eder. Hangi ölçünün seçileceği, verinin ölçüm düzeyine ve dağılımın biçimine bağlıdır. Özellikle aykırı değerlerin varlığında ortanca daha güvenilir bir merkez kestirimi sunar.

Merkezi eğilim ölçüleri bir veri setinin tipik değerini özetlerken, dağılım ölçüleri değerlerin bu merkez etrafında ne kadar yayıldığını nicelleştirir. Ranj, çeyreklerarası ranj (IQR), varyans, standart sapma ve varyasyon katsayısı bu amaca hizmet eden temel istatistiklerdir. Standart sapma, varyansın kareköküdür ve orijinal ölçek birimlerine geri döner. IQR aykırı değerlere karşı dirençlidir; varyasyon katsayısı ise farklı ölçeklerdeki değişkenlerin yayılımını karşılaştırmayı mümkün kılar. Yayılım, merkez kadar araştırma için belirleyici öneme sahiptir.

Çarpıklık, bir dağılımın simetrisini ölçer: pozitif çarpıklık sağa uzanan kuyruk anlamına gelirken negatif çarpıklık sola uzanan kuyruk anlamına gelir. Basıklık ise dağılımın normalden ne ölçüde daha sivri ya da yassı olduğunu, yani kuyruk ağırlığını tanımlar. Bu iki istatistik, verinin normallik varsayımından ne kadar saptığını ortaya koyar; bu sapma hem parametrik testlerin geçerliliğini hem de merkezi eğilim ölçüsünün seçimini doğrudan etkiler.

Olasılık, belirsizliği 0 ile 1 arasında sayısal olarak ifade eden matematiksel bir çerçevedir. Örneklem uzayı, olaylar, toplama ve çarpma kuralları, koşullu olasılık ve Bayes teoremi bu çerçevenin temel taşlarını oluşturur. Rastgele değişkenler, olası sonuçları sayılara dönüştürerek her istatistiksel modelin altyapısını sağlar. Olasılık kavramını doğru anlamak; hipotez testi, güven aralıkları ve Bayes güncellemesi gibi istatistiksel araçları bilinçli kullanmanın ön koşuludur.

Normal dağılım, ortalama ve standart sapma ile tanımlanan simetrik bir çan eğrisidir. Değerlerin yaklaşık %68'i 1 standart sapma, %95'i 2, %99,7'si 3 standart sapma içinde kalır; bu kural ampirik kural olarak bilinir. Bir gözlemi z = (x − μ)/σ dönüşümüyle standartlaştırmak, farklı ölçeklerdeki verileri karşılaştırmayı mümkün kılar. Merkezi limit teoremi sayesinde örneklem ortalamaları büyük örneklemlerde normal dağılıma yaklaşır ve bu özellik klasik istatistiksel çıkarımın temelini oluşturur.

Normal dağılımın ötesinde, araştırmacıların farklı veri üretme süreçlerini modellemek için başvurduğu birkaç temel olasılık dağılımı vardır. t-dağılımı küçük örneklemlerde ortalama karşılaştırmalarına, ki-kare dağılımı varyans testlerine ve kategorik verilere, F-dağılımı varyans oranlarına ve ANOVA'ya, binom dağılımı başarı sayımlarına, Poisson dağılımı ise seyrek olayların frekansına odaklanır. Her dağılım belirli bir istatistiksel çıkarım ailesinin matematiksel temelidir.

Örnekleme dağılımı, belirli bir büyüklükteki tüm olası örnekler üzerinden hesaplanan bir istatistiğin (örneğin örneklem ortalaması) dağılımıdır. Bu dağılımın yayılımı standart hata olarak adlandırılır. Hipotez testleri ve güven aralıkları, gözlemlenen bir istatistiğin örnekleme dağılımındaki konumuna ilişkin ifadelerdir; merkezi limit teoremi ise bu dağılımın şeklini betimler. Örnekleme dağılımı, istatistiksel çıkarımı mümkün kılan kavramsal köprüdür.

Standart sapma (SS), verilerin kendi içindeki yayılımı ölçer; standart hata (SH) ise örneklem ortalaması gibi bir istatistiğin ne kadar hassas tahmin edildiğini gösterir. SH = SS / √n formülüyle hesaplanır; dolayısıyla örneklem büyüdükçe standart hata küçülürken standart sapma sabit kalır. Bu iki kavramı birbirine karıştırmak, özellikle araştırma raporlarında sıkça yapılan ciddi bir hatadır.

Serbestlik derecesi (sd), parametreler tahmin edildikten sonra veriler içinde serbestçe değişebilen değerlerin sayısını ifade eder. Örneğin ortalama tahmin edildikten sonra n gözlemden yalnızca n−1 tanesi bağımsız biçimde değişebilir; bu nedenle örneklem varyansı n−1 ile bölünür. Serbestlik derecesi, t, ki-kare ve F dağılımlarının tam şeklini belirleyerek kritik değerleri ve dolayısıyla istatistiksel testlerin sonuçlarını doğrudan etkiler.

Parametrik testler (t-testi, ANOVA, Pearson r) verinin belirli bir dağılıma — çoğunlukla normal dağılıma — uyduğunu varsayar ve ham sayısal değerlerle çalışır. Parametrik olmayan testler (Mann–Whitney, Wilcoxon, Kruskal–Wallis, Spearman) ise sıralama üzerine kuruludur; dağılım varsayımı gerektirmez. Bu durum onları küçük örneklemler, sıralı ölçek verileri ya da karşılanamayan varsayımlar için uygun kılar; ancak parametrik koşullar gerçekten sağlandığında parametrik olmayan testler genellikle biraz daha düşük istatistiksel güce sahiptir.

Klasik istatistiksel testlerin büyük çoğunluğu belirli koşulların sağlandığını varsayar: artıkların normal dağılması, grup varyanslarının eşit olması (homoskedastisite), gözlemlerin birbirinden bağımsız olması ve doğrusal ilişki (regresyonda). Bu varsayımlar ihlal edildiğinde tahminler yanlı olabilir ya da p-değerleri geçersiz hale gelebilir. Araştırmacılar varsayımları grafikler ve istatistiksel testlerle denetler; gerektiğinde veri dönüşümü, dirençli yöntemler veya parametrik olmayan alternatifler gibi çözüm yollarına başvurur.

Çift yönlü bir test, bir parametrenin herhangi bir yönde farklılaşıp farklılaşmadığını sorgular ve anlamlılık düzeyi α'yı dağılımın her iki kuyruğuna eşit olarak böler. Tek yönlü test ise α'nın tamamını önceden belirlenen bir yöne yoğunlaştırır; bu sayede o yönde daha fazla istatistiksel güç elde edilir, ancak ters yöndeki etkiler göz ardı edilir. Tek yönlü testler yalnızca hipotez veriye bakılmadan önce açıkça yönlü olarak belirlenmişse geçerlidir; aksi hâlde Tip I hata oranı şişer.

Bir araştırmada çok sayıda hipotez testi uygulandığında, şans eseri en az bir yanlış pozitif sonuç elde etme olasılığı nominal α düzeyinin çok üzerine çıkar. Bu olgu, aile-düzeyi hata oranı (FWER) kavramıyla ifade edilir. Bonferroni düzeltmesi α'yı test sayısına bölerek FWER'i kontrol eder; Benjamini–Hochberg yöntemi ise yanlış keşif oranını (FDR) denetim altına alarak büyük ölçekli testlerde daha fazla istatistiksel güç sunar.

Yeniden örnekleme yöntemleri, örnekleme değişkenliğini formül yerine verinin kendisinden ampirik olarak tahmin eder. Bootstrap, bir istatistiğin dağılımını oluşturmak için gözlemleri yerine koyarak tekrar tekrar örnekler; permütasyon testleri sıfır dağılımı elde etmek için etiketleri karıştırır; jackknife ise her seferinde bir gözlemi dışarıda bırakır. Bu yöntemler, kapalı formüllerin türetilemediği veya dağılım varsayımlarının şüpheli olduğu durumlarda araştırmacılara güvenilir bir çıkarım aracı sunar.

İstatistik felsefesinde iki temel yaklaşım olan frekansçı ve Bayesçi çıkarım, olasılığı ve parametreleri farklı biçimlerde tanımlar. Frekansçı yaklaşım parametreleri sabit, olasılığı ise uzun vadeli frekans olarak ele alır; p-değerleri ve güven aralıkları bu geleneğin temel araçlarıdır. Bayesçi yaklaşım ise parametreleri belirsiz büyüklükler olarak değerlendirir; ön bilgiyi (prior) gözlemlenen veriyle birleştirerek bir posterior dağılım elde eder. İki yaklaşım birbirini tamamlar nitelikte giderek daha fazla bir arada kullanılmaktadır.

İstatistiksel güç (1 − β), gerçekte var olan bir etkiyi tespit etme olasılığıdır. Örneklem büyüklüğü, etki büyüklüğü, anlamlılık düzeyi ve varyans; gücü belirleyen dört temel unsurdur. Yetersiz güçlü çalışmalar gerçek etkileri gözden kaçırır ve abartılı, güvenilmez tahminler üretir. A priori güç analizi, veri toplamaya başlamadan önce yeterli güç için gereken örneklem büyüklüğünü hesaplar ve genellikle 0.80 hedef olarak benimsenir.

Doğru istatistiksel testi seçmek, araştırma sorusunun yapısına ve verinin özelliklerine bağlıdır. Ölçüm düzeyi, grup sayısı, örneklemlerin bağımsız mı eşleştirilmiş mi olduğu ve dağılım varsayımlarının karşılanıp karşılanmadığı belirleyici faktörlerdir. İki bağımsız grubun ortalamaları bağımsız t-testi ile; üç ya da daha fazla grup ANOVA ile; iki sürekli değişken arasındaki ilişki korelasyon veya regresyon ile; kategorik veriler ise ki-kare testiyle incelenir. Yanlış test seçimi yanıltıcı sonuçlara yol açar.

Araştırma verilerinde kayıp değerler kaçınılmazdır; ancak asıl belirleyici faktör, kayıplığın neden kaynaklandığıdır. İstatistik literatürü bu nedenleri üç mekanizmaya ayırır: Tamamen Rassal Kayıp (MCAR), Rassal Kayıp (MAR) ve Rassal Olmayan Kayıp (MNAR). Seçilen mekanizma, hangi analitik stratejinin geçerli sonuçlar üreteceğini doğrudan etkiler. Liste silme gibi basit yöntemler kullanışlı görünse de çoğu durumda yanlı tahminlere yol açar; çoklu atama ve maksimum olabilirlik yöntemleri ise MAR koşulu altında istatistiksel olarak geçerli çözümler sunar.

Aykırı değerler, dağılımın geri kalanından belirgin biçimde uzak olan gözlemlerdir. Etkili gözlemler ise bir modelin parametrelerini orantısız ölçüde değiştiren noktalardır; her aykırı değer etkili olmayabileceği gibi, her etkili gözlem de görünürde aykırı olmayabilir. Tespit için z-skoru, IQR kuralı ve regresyon bağlamında kaldıraç değeri, standardize artık ve Cook'un D istatistiği kullanılır. Aykırı değerler refleks olarak silinmemeli; her birinin hata mı yoksa gerçek bir sinyal mi olduğu araştırılmalıdır.

Veri dönüşümü, ham ölçümleri istatistiksel varsayımları karşılayacak ya da ölçekleri karşılaştırılabilir hale getirecek biçimde yeniden şekillendirme işlemidir. Log ve karekök dönüşümleri sağa çarpıklığı azaltır ve varyansı kararlı kılar; Box–Cox ailesi bu yaklaşımı genelleştirir. Z-standartlaştırma veriyi sıfır ortalamalı ve birim varyanslı bir dağılıma taşır; min-max ölçekleme ise değerleri sabit bir aralığa hapseder. Dönüşümler sonuçların yorumunu doğrudan etkiler; bu nedenle raporlanması ve gerektiğinde tersine çevrilmesi zorunludur.

Duyarlılık, bir testin gerçek pozitifleri doğru biçimde tanımlama oranıdır; yani hastalığı olan kişilerin kaçının pozitif sonuç aldığını gösterir. Özgüllük ise gerçek negatifleri doğru biçimde tanımlama oranıdır; hastalığı olmayan kişilerin kaçının negatif sonuç aldığını gösterir. Yüksek duyarlılık vakaları kaçırmaz, yüksek özgüllük yanlış alarm vermez. Bu iki ölçüm arasında karar eşiğiyle belirlenen bir denge söz konusudur ve her araştırmacının hangi hatanın daha maliyetli olduğunu göz önünde bulundurması gerekir.

Pozitif kestirim değeri (PPV), pozitif test sonucu çıkan birinin gerçekten hasta olma olasılığıdır; negatif kestirim değeri (NPV) ise negatif sonucun gerçekten sağlıklı olduğuna işaret etme olasılığıdır. Duyarlılık ve özgüllükten farklı olarak kestirim değerleri, prevalansa — yani ilgili hastalığın toplumda ne kadar yaygın olduğuna — güçlü biçimde bağlıdır. Aynı test, düşük prevalanslı bir popülasyonda çok daha düşük bir PPV üretir; bu durum araştırmacılar tarafından sık atlanan temel bir gerçektir.

Bir ROC (Alıcı İşletim Karakteristiği) eğrisi, tüm olası eşik değerleri boyunca gerçek pozitif oranını yanlış pozitif oranına karşı çizer. Bu grafik, bir sınıflayıcının pozitif vakaları doğru yakalaması ile yanlış alarm üretmesi arasındaki dengeyi gösterir. Eğrinin altındaki alan olan AUC, 0.5 (şans düzeyi) ile 1.0 (mükemmel ayrım) arasında değişen tek bir özet istatistiktir. AUC, modelin rastgele seçilen bir pozitifi rastgele seçilen bir negatiften daha yüksek puanlama olasılığına eşittir.

Karmaşıklık matrisi, bir sınıflandırma modelinin tahminlerini gerçek sınıf etiketleriyle çapraz tablolar biçiminde karşılaştırır. Dört hücre — doğru pozitif, yanlış pozitif, yanlış negatif ve doğru negatif — neredeyse tüm sınıflandırma metriklerinin hesaplanmasında temel alınır: doğruluk, kesinlik, duyarlılık, özgüllük ve F1 skoru bunların başında gelir. Matris doğrudan okunduğunda modelin hangi tür hatalar yaptığını ortaya koyar; tek bir doğruluk rakamının, özellikle dengesiz veri kümelerinde, gizleyebileceği bilgileri görünür kılar.

Bir sınıflama modelini tek bir sayıyla özetlemek çoğu zaman yanıltıcıdır. Doğruluk (accuracy), sınıflar dengesiz olduğunda gerçek başarımı gizler. Kesinlik (precision), tahmin edilen pozitiflerin ne kadarının gerçekten pozitif olduğunu; duyarlılık (recall), gerçek pozitiflerin ne kadarının yakalandığını gösterir. F1 skoru bu ikisinin harmonik ortalamasıdır ve ikisi arasında denge kurar. Hangi metriğin kullanılacağı, yanlış pozitiflerin mi yoksa yanlış negatiflerin mi daha maliyetli olduğuna bağlıdır.

Olabilirlik oranı (LR), bir test sonucunun bir durumun ön-test olasılığını nasıl değiştirdiğini özetleyen istatistiksel bir ölçüdür. Pozitif LR, testin pozitif çıkması durumunda tanı olasılığının ne kadar arttığını; negatif LR ise testin negatif çıkması durumunda olasılığın ne kadar azaldığını gösterir. Duyarlılık ve özgüllüğü tek bir sayıda birleştirerek prevalanstan bağımsız bir test değerlendirmesi sunar ve Bayes teoremi aracılığıyla ön-test olasılığından son-test olasılığına geçişi mümkün kılar.

Cohen d, iki grup ortalaması arasındaki farkı standart sapma birimleriyle ifade eder ve böylece farklı ölçek ya da birimlere sahip çalışmalar arasında etki büyüklüğünü karşılaştırılabilir kılar. İstatistiksel anlamlılık bir farkın var olup olmadığını söylerken, Cohen d o farkın ne kadar büyük olduğunu gösterir. Cohen'in 0.2 küçük, 0.5 orta, 0.8 büyük kılavuz değerleri birer kural değil, yalnızca genel bir başlangıç noktasıdır ve her zaman bağlama göre yorumlanmalıdır.

Açıklanan varyans etki büyüklükleri, toplam değişkenliğin ne kadarının model tarafından açıklandığını 0 ile 1 arasında bir oran olarak ifade eder. ANOVA tasarımlarında eta-kare ve kısmi eta-kare bu amaca hizmet eder; yanlılığı azaltan omega-kare ise daha güvenilir bir alternatiftir. Regresyonda R-kare ve düzeltilmiş R-kare aynı işlevi yerine getirir. Anlamlı bir p değeri yalnızca bir etkinin var olduğunu söyler; bu ölçütler ise etkinin ne kadar büyük olduğunu, yani pratik önemini ortaya koyar.

Olasılık oranı (OR), bir sonucun iki grup arasındaki göreli olasılığını karşılaştırır. Maruz kalan grupta sonucun olasılığı, maruz kalmayan gruptaki olasılığa bölünür. OR = 1 ilişki olmadığını, 1 üzeri değerler daha yüksek odds anlamına gelir. Lojistik regresyonun ve olgu-kontrol çalışmalarının doğal çıktısıdır. Yaygın bir yanılgı olarak göreceli riske eşit sayılır; oysa bu yalnızca sonucun nadir olduğu durumlarda geçerlidir.

Bağıl risk (risk oranı), maruz kalan grupta bir sonucun gerçekleşme olasılığını maruz kalmayan gruptaki olasılığa böler; sonucun kaç kat daha muhtemel olduğunu ifade eder. Risk farkı (mutlak risk azalması) ise bu iki olasılığı birbirinden çıkartır ve değişimin ne kadar büyük olduğunu doğrudan gösterir. Bağıl ölçüler çarpıcı görünebilirken mutlak fark küçük kalabilir; bu nedenle sağlıklı bir yorum için her iki ölçütün birlikte raporlanması zorunludur.

Tedavi için gerekli sayı (NNT), bir ek olumlu sonuç elde etmek amacıyla tedavi edilmesi gereken hasta sayısını gösterir. Mutlak risk azalmasının (ARR) tersinin alınmasıyla hesaplanır: NNT = 1/ARR. Göreceli etki ölçütlerini somut bir klinik büyüklüğe dönüştürmesi nedeniyle klinisyenler ve politika yapıcılar tarafından geniş ölçüde benimsenmektedir. Küçük bir NNT tedavinin etkin olduğuna, büyük bir NNT ise sınırlı bir fayda sağlandığına işaret eder.

Tehlike oranı (HR), bir olayın iki grup arasındaki anlık risk hızını karşılaştıran bir istatistiktir. Cox orantılı tehlikeler modelinin temel çıktısıdır. HR = 1 fark olmadığını, 1'den büyük değer daha yüksek olay hızını gösterir. Yorumlanması için orantılı tehlikeler varsayımının sağlandığının doğrulanması gerekir. Mutlak riskle karıştırılmamalı; HR bir oran değil, iki tehlike fonksiyonunun bölümüdür.

Ki-kare testi anlamlı bir ilişkinin var olup olmadığını söyler; ancak ilişkinin ne kadar güçlü olduğunu söylemez. Bu boşluğu doldurmak için etki büyüklüğü ölçüleri kullanılır. 2×2 tablolar için phi katsayısı, daha büyük tablolar için Cramér V, her iki tablo türü için uyumlu bir alternatif olan olumsallık katsayısı ve ikili-sürekli kombinasyonlar için nokta-çift serili korelasyon bu ölçülerin başlıcalarıdır. Bu ölçüler ilişkiyi standart bir ölçeğe taşıyarak pratik önemi değerlendirmeye olanak tanır.

Aşırı öğrenme (overfitting), bir modelin eğitim verisindeki gürültüyü ve tesadüfi örüntüleri ezberlemesi sonucu yeni veriye genelleyememesi durumudur. Eksik öğrenme (underfitting) ise modelin gerçek ilişkiyi yakalamaya yetecek karmaşıklıktan yoksun olması anlamına gelir. Her iki durum da tahmin geçerliliğini zedeler. Araştırmacı, eğitim ve doğrulama (ya da test) performansını karşılaştırarak bu dengesizlikleri tespit eder ve model seçimini buna göre yapar.

Bir modelin tahmin hatası üç bileşene ayrışır: yanlılık, varyans ve indirgenemeyen gürültü. Yanlılık, modelin gerçeği yakalamak için yaptığı basitleştirici varsayımlardan doğar; aşırı basit modeller sistematik hata üretir. Varyans ise modelin eğitim verisine aşırı duyarlılığını yansıtır; aşırı karmaşık modeller her yeni veri setinde farklı sonuçlar verir. Bu iki kaynak ters yönde hareket ettiğinden en iyi model, aşırı basitlik ile aşırı karmaşıklık arasında orta bir konumda yer alır.

Bir modelin görmediği veriler üzerindeki performansını tahmin etmek için veri kümesi üç parçaya ayrılır: modeli eğitmek için eğitim kümesi, hiperparametreleri ayarlamak ve model seçimi yapmak için doğrulama kümesi ve yalnızca son değerlendirmede bir kez kullanılan test kümesi. Çapraz doğrulama bu bölümleri döndürerek veriyi daha verimli kullanır. Veri sızıntısı — test bilgisinin eğitimi etkilemesi — performansı sessizce şişirir ve kaçınılması gereken kritik bir hatadır.

Düzenlileştirme, model karmaşıklığına bir ceza terimi ekleyerek katsayıları sıfıra doğru büzer ve aşırı öğrenmeyi azaltır. L2 (ridge) tüm katsayıları yumuşakça küçültür; L1 (lasso) bazı katsayıları tam olarak sıfıra indirgeyerek değişken seçimi yapar; elastik net her ikisini harmanlır. Ayar parametresi ceza gücünü kontrol eder: küçük bir yanlılık karşılığında varyansı büyük ölçüde düşürür.

Birden fazla istatistiksel model arasında seçim yaparken yalnızca uyum iyiliğine bakmak yanıltıcı olabilir; daha karmaşık modeller her zaman daha iyi uyum sağlar. Bilgi ölçütleri, modelin veriye ne kadar iyi uyduğunu parametre sayısı ile dengeleyerek aşırı uyumu (overfitting) önlemeye yardımcı olur. AIC ve BIC bu dengeyi farklı biçimlerde kurar; daha küçük değer daha iyi modeli gösterir. Bu ölçütler, tutumluluk (parsimony) ilkesini istatistiksel bir forma dönüştürür.

Uyum iyiliği ölçüleri, bir modelin gözlemlenen veriyi ne ölçüde yeniden ürettiğini sayısal olarak ifade eder. Sürekli sonuçlar için R-kare açıklanan varyansı gösterirken RMSE, MAE ve MAPE tahmin hatasını yorumlanabilir birimlerle özetler. Olasılık ile kestirilen modellerde sapma ve ki-kare uyum testi kullanılır. Eğitim verisindeki iyi uyum, modelin yeni veriye iyi genelleneceğini garanti etmez; bu nedenle hata mutlaka örneklem dışında değerlendirilmelidir.

Regresyon tanılaması, kurulan bir modelin varsayımlarının gerçekte sağlanıp sağlanmadığını sistematik biçimde sorgular. Artık grafikler doğrusalsızlığı ve değişen varyansı (heteroskedastisite) görünür kılar; Q-Q grafikleri artıkların normale uyumunu değerlendirir; Durbin–Watson istatistiği otokorelasyonu sezinler; Varyans Büyütme Faktörü (VIF) çoklu doğrusallığı ölçer; kaldıraç ve Cook uzaklığı etkili gözlemleri belirler. Varsayım ihlalleri katsayı tahminlerini ve standart hataları bozar.

Etkileşim etkisi, bir yordayıcının bağımlı değişken üzerindeki etkisinin başka bir yordayıcının düzeyine göre değişmesi durumunu tanımlar. İlişki salt toplamsal değildir; iki değişken birlikte etkileşerek sonucu şekillendirir. Regresyon modellerinde bir çarpım terimi eklenerek modellenir ve moderasyon analizinin temelidir. Doğru yorumlama için basit eğimlerin incelenmesi, sürekli yordayıcıların ortalamaya getirilmesi (merkezleme) ise hem ana etkilerin hem de etkileşimin anlamlı biçimde yorumlanabilmesi için önerilir.

Rastgele değişken, olasılıklı bir sürecin her olası sonucuna sayısal bir değer atayan matematiksel bir araçtır. Kesikli rastgele değişkenler sayılabilir değerler alır ve olasılık kütle fonksiyonu ile tanımlanır; sürekli olanlar bir aralık üzerinde değer alır ve olasılık yoğunluk fonksiyonu ile tanımlanır. Her iki türde de birikimli dağılım fonksiyonu, değerin belirli bir eşiğin altında kalma olasılığını verir. Bu kavram, belirsizliği hesaplanabilir matematik diline dönüştürür.

Beklenen değer E[X], bir rassal değişkenin uzun vadeli ortalamasıdır; olası değerlerin olasılıkla ağırlıklandırılmış toplamıdır. Varyans Var[X] ise bu ortalama etrafındaki yayılımı, sapmaların karelerinin beklentisi olarak ölçer. Standart sapma varyansın kareköküdür ve orijinal değişkenle aynı birimi taşır. Bu iki istatistik, bir dağılımın konumunu ve dağınıklığını özetleyen ilk iki momenttir. Araştırmacılar bu değerleri doğru hesaplayarak ve raporlayarak bulgularının güvenilirliğini artırır.

Büyük sayılar yasası, örneklem büyüklüğü arttıkça örneklem ortalamasının gerçek beklenti değerine yakınsadığını ifade eder. Bu yasa, büyük örneklemlerin neden daha güvenilir tahminler ürettiğini ve kumarhane ile sigorta şirketlerinin çok sayıda denemede neden öngörülebilir biçimde kâr ettiğini açıklar. Yasanın odağı ortalamanın nereye yerleşeceğidir; ortalamanın o değer etrafındaki dalgalanmalarının şeklini ise merkezi limit teoremi tanımlar.

Bayes teoremi, yeni bir kanıt elde edildiğinde bir hipotezin olasılığını nasıl güncelleyeceğimizi gösterir. Temel mantık şudur: sonsal olasılık, olabilirlik ile önsel olasılığın çarpımıyla orantılıdır. Bu teorem, nadir bir hastalık testinde pozitif çıkan birinin neden hâlâ hasta olmama ihtimalinin yüksek olabileceğini açıklar; temel oran etkisi olarak bilinen bu durum, sezgiye aykırı ama matematiksel olarak zorunludur. Bayesçi çıkarım, tanı akıl yürütme ve olabilirlik oranlarının temelini oluşturur.

Birleşik dağılım, iki ya da daha fazla değişkenin aynı anda alabileceği değer kombinasyonlarının olasılıklarını tanımlar. Bir değişkeni toplamak ya da integre etmek, tek bir değişkene ait marjinal dağılımı verir. Bir değişkenin değerini sabit tutmak ise koşullu dağılımı ortaya çıkarır. Koşullu dağılım marjinal dağılıma eşit olduğunda değişkenler bağımsızdır. Kovaryans ve korelasyon katsayısı, birlikte değişimi özetleyen temel ölçütlerdir.

Hipotez testi, araştırmacının bir iddiayı veriye dayanarak sistematik biçimde sınadığı altı aşamalı bir karar sürecidir. Bu aşamalar sırasıyla şunlardır: hipotezlerin kurulması, anlamlılık düzeyi ile uygun testin seçilmesi, varsayımların kontrolü, test istatistiği ve p-değerinin hesaplanması, sıfır hipotezinin kabul ya da reddedilmesi ve sonucun etki büyüklüğü ile güven aralığıyla birlikte yorumlanması. P-değerinin tek başına sunulması yeterli değildir.

Her istatistiksel test bir dizi koşulun sağlandığını varsayar. Bu varsayımlar — normallik, varyans homojenliği, bağımsızlık ve doğrusallık — karşılanmadan uygulanan testler yanıltıcı sonuçlar verebilir. Araştırmacılar bu koşulları görsel ve sayısal araçlarla test aşamasından önce sistematik biçimde denetlemeli; ihlal saptandığında ise veri dönüşümü, gürbüz yöntemler veya parametrik olmayan alternatifler gibi somut çözüm yollarını izlemelidir.

İstatistiksel sonuçların eksiksiz raporlanması, okuyucunun kanıtı bağımsız olarak değerlendirebilmesi için gerekli tüm bilgileri sunmayı kapsar. Bu; kullanılan testin adı, test istatistiği, serbestlik derecesi ve tam p-değerinin yanı sıra —yalnızca anlamlılıkla yetinmeyip— güven aralıklı etki büyüklüğünün de verilmesini gerektirir. Grup karşılaştırmalarında ortalama ve standart sapma mutlaka belirtilmeli; tablo ile şekiller yineleme yapmamalıdır. APA Yayın Kılavuzu gibi stil rehberleri bu formatı standart hale getirir.

Tek başına bir p-değeri, bulgular için zayıf bir dayanak noktasıdır. Üç gösterge birlikte daha tam bir tablo sunar: p-değeri gözlemlenen etkinin şansa bağlı olup olmadığını söyler; etki büyüklüğü bu etkinin ne kadar önemli olduğunu ölçer; güven aralığı ise tahminlerin hassasiyetini ve makul değer aralığını gösterir. Büyük örneklemlerde önemsiz küçük bir etki istatistiksel açıdan anlamlı çıkabilir; küçük örneklemlerde gerçek ve önemli bir etki anlamlılık eşiğini geçemeyebilir.