Sayi9kasimaralik

Recommendations

Info

Kasım-Aralık 2012 Yıl : 2 Sayı : 9 • Örüntü Tanıma* - Bilgisayar bilimleri / Mühendis lik, • Veri Tabanı Yönetimi - Bilgisayar bilimleri / Kütüp hanecilik, • Sinir Ağları* - Psikoloji / Bilgisayar bilimleri / Mü hendislik, • Makine Öğrenimi* - Bilgisayar bilimleri / Yapay Zekâ, • Grafik Modelleme (Bayes Ağları)* - Bilgisayar bi limleri / Yapay Zekâ, • Genetik Programlama - Bilgisayar bilimleri / Mü hendislik, • Kemometrik* - Kimya, • Veri Görselleştirme** - Bilgisayar bilimleri / Bilim sel Hesaplama Şüphesiz ki istatistikçiler tekil olarak bu alanlara katkı yapmıştır ama yine de bu alanların (en azından coşkuyla karşılanma) kucaklanmadığı söylenebilir. 6. İstatistik Nedir? Yukarıdaki başlıkların her biri veriden öğrenmeye dayandığından, neden bizim alanımızın bunların bu kadar dışında kaldığını sorgulamak doğaldır. Sıkça yapılan açıklama şudur: Çünkü bu istatistik değil. Eğer bir başlığın bizim disiplinimizin bir parçası sayılması için veri ile ilgili olması yeterli değilse, başka hangi özellikler gereklidir? Şu ana kadar cevap, istatistiğin bir araçlar kümesi olarak, özellikle yüksek lisans programlarımızda öğretilenlerden bir küme, tanımlanmasıdır. Bazı örnekler şunlardır: • Olasılık kuramı, • Reel Analiz, • Ölçü kuramı (measuretheory), • Asimtotlar, • Karar kuramı, • Markov zincirleri, • Vido sistemleri, • Ergodik kuramı vs. AKADEMİK İstatistik alanı bu ve benzeri araçlarla cevaplanabilecek sorular kümesi olarak tanımlanabilir. Bu araçların işimize yaradığı açıktır. Brad Efron’un dediği gibi: “İstatistik en başarılı bilgi bilimi olmuştur.” “İstatistiği göz ardı edenler onu yeniden keşfetmeye mahkumdurlar.” Bir başka görüş de şudur: veri miktarı (ve ilgili uygulamalar) katlanarak artmaya devam ederken, istatistikçilerin sayısı aynı nispette artmamaktadır. Dolayısıyla bizim alanımızın en iyi yapageldiğimiz bilgi biliminin küçük bir kısmı ile, matematiğe dayalı olasılıksal çıkarsama ile yetinmesi gerekmektedir. Bu, bizim için en iyi konum olabilecek, oldukça savunmacı bir bakış açısıdır. Bununla beraber, bu strateji izlendiğinde istatistikçilerin “bilgi devrimi”nde bir oyuncu olarak işgal ettikleri yer, zaman içinde yok olacaktır. Gerçi böyle bir stratejinin var olan pratiklerimiz ve akademik programlarımızı değiştirmemek gibi güçlü bir avantajı da vardır. 1962 gibi erken bir tarihte John Tukey tarafından savunulan bir başka görüş daha vardır. Tukey (1962) istatistiğin veri çözümlemesi ile ilgilenmesi gerektiğini belirtmiştir. Ona göre alan veri ile ilgili bir araçlar kümesiyle değil de, diğer alanlarda olduğu gibi problemler kümesi şeklinde tanımlanmalıdır. Böyle bir bakış açısının hakim görüş haline gelmesi için, hem pratiklerimizde hem de akademik programlarımızda büyük değişiklikler yapmalıyız. Her şeyin başında, programlama ile barışmamız gerekir. Verinin bulunduğu yer burasıdır desek yeridir. Programlama şimdiye kadar istatistiği tanımlamış araç kümesi içindeki en bariz eksikliktir. Eğer programlama yöntemini doğuşundan itibaren (var olan araçlarımızı uyguladığımız uygun bir mecra olarak değil de) temel bir istatistikî araç olarak kapsayabilseydik, diğer veri ile ilgili alanların ortaya çıkmasına gerek kalmazdı.Bu alanlar, bizimkinin bir parçası olurdu. Programlamayla ilgilenmeye başlamak, basitçe istatistikî paketlere aşina olmak demek değildir. Gerçi bu da gereklidir. Eğer programlama temel araştırma araçlarımızdan biri haline gelecekse, öğrencilerimize bunu öğretmeli ve onların ilgili Bilgisayar Bilim konularını öğrendiğinden emin olmalıyız. Bunlardan bazıları, sayısal doğrusal cebir, sayısal ve kombinasyonalenuygunlaştırma (optimization), veri yapıları, algoritma tasarımı, makine mimarisi, programlama yöntembilimi, veri tabanı yönetimi, paralel mimari ve programlama vb.’dir. Ayrıca, çoğu alanımız dışında geliştirilmiş güncel bilgisayara dayalı veri çözümleme yöntemlerini de ders programlarımıza eklemeliyiz. Eğer akademik (ve ticarî) piyasadaki diğer veri ile ilgili alanlarla rekabet edeceksek, bazı temel paradigmalarımızın yeniden düzenlenmesi gerekmektedir. Matematikle olan romansımızı yumuşatmalıyız. Matematik (programlama gibi) bir araçtır. Güçlü bir araçtır ama istatistikî yöntemleri gerçekleştirmek için tek araç değildir. Ne matematik kuramın kendisidir, ne de kuram matematiktir. Kuramlar kavrayışı- mızı arttırmak için vardır ve,ne kadar değerli olursa olsun, matematik bunun tek yolu değildir. örneğin hastalıkları (özünde) bakterilerle açıklayan kuram barındırdığı matematiksel içeriğin azlığına karşın tıbbî olgusallığın büyük bir bölümünde dikkate değer bir kavrayış gücü sağlar. Ampirik sağlamanın zorunlu olarak kısıtlı da olsa (ki matematik de böyledir) bir sağlama yolu olduğunu kabul etmemiz gerekir. Kültürümüzü de değiştirmeliyiz. Diğer veri ile ilgili alanlarda çalışan her istatistikçi, istatislikle aradaki “kültür farkı” karşısında hayrete düşüyor. Bu diğer alanlarda “geçer akçe” matematiksel tekniklerden ziyade fikirler olma eğiliminde. Motivasyonu sezgisel olan fikirler ilk olarak sezgisel önermeler üzerinden değerlendirilir. Nihaî yargılar ise daha kapsamlı bir (ampirik ya da kuramsal) değerlendirme mümkün olana kadar ertelenir. Paradigmalar “aksi kanıtlanana kadar masumdur”. Bizim alanımızda bunun tersi geçerlidir. Geçmişte, (mümkünse kaliteli) matematikle tamamen sağlaması yapılmadığı sürece, yeni metodolojileri “aşağılar” ya da en iyi ihtimalle 30 31
Kasım-Aralık 2012 Yıl : 2 Sayı : 9 kullanmayı reddederdik. Yıllar önce, bütün veri kümeleri küçükken ve veri içindeki gürültü büyükken, bu mantıksız değildi. Günümüzde ise, güncel veri çözümlemesi bağlamında, bu daha uygun bir strateji değildir. Özellikle, iyi çalışır gözüken ama başarısının ardındaki sebeplerini daha kavrayamadığımız (özellikle dışımızdaki disiplinlerdeki) gelişmeleri küçümseme eğilimimizi terketmeliyiz. 7. Yapılacaklar Belki de istatistik hiç olmadığı kadar yolların birleştiği noktadadır. Ya bu değişime uyum göstereceğiz ya da ona direneceğiz. Yukarıda belirtildiği gibi iki bakış açısı için de geçerli sebepler mevcuttur. Ortalık fikirden geçilmiyor ama hiç kimse alanımızın sağlığı ve uygulanabilirliği için hangi stratejinin daha iyi olduğunu bilmiyor. İstatistikçilerin bir çoğu istatistiğin bilgi bilimleri içinde giderek görece etkisizleştiğini kabul ediyor görünüyor. Eğer mümkünse bile, bunun için ne yapılabileceği konusunda daha az fikir birliği vardır. Hakim görüş bir pazarlama sorunumuz olduğu, ve müşterilerimizin ve diğer disiplinlerdeki akademsi- AKADEMİK yenlerin değerimizi ve önemimizi anlamadığıdır. Ana meslekî örgütümüz olan American Statistical Association (Amerika İstatistik Kurumu), bu perspektife sahip görünmektedir. Stratejik Planlama Komitesi (Şubat 1997) tarafından açıklanan beş yıllık planda “Disiplinimizin saygınlığı ve sağlığını geliştirmek” adlı bir başlık bulunmaktadır. 3 temel yaklaşım tavsiye edilmektedir. • Siyasî konulara aktif müdahale, • Federal kurumlarla ilişki kurma, • lköğretimde istatistiğin teşvik edilmesi. Bunlar önemli ve değerli önerilerdir ve dinamik bir şekilde uygulanmalıdır. Bununla beraber, burada gömülü varsayım, câri ürünlerimizin iyi olduğu ama tek meselenin pazarlama olduğudur. Eğer istatistiğin yaşamsal önemi haiz bir bilgi bilimi olması isteniyorsa, alanımızda, günümüzün ve geleceğin yeni veri çözümleme zorlukları ile baş edecek innovasyon ve değişim ikliminin yeşertilmesi için önerilerde de bulunmalıyız. Bazı istatistikçiler ise, geçmişte bize hizmet etmiş prosedürler ve ilkelerden, belki de çok hızlı bir şekilde, uzaklaştığımızı ve bakış açımızı çok hızlı değiştirdiğimizi savunuyor. Bu doğru olabilir ama kesin böyledir denemez. Bir karşı örnek olarak Journal of the American Statistical Association dergisine verilmiş güncel (1997) editöryel bir cevabı ele alalım. “Kullandığınız prosedür için kuramsal kanıtınızın olmaması beni rahatsız etti. JASA geçmişte sadece simülasyona dayalı makeleler yayınlamış olsa da, bu uygun bulduğum bir pratik değildir. Sizin prosedürünüz için, asimtotik MSE ya da tutarlılık ve asimtotiknormalite analizleri yapılmalı.” Burada ortaya koyduğumuz JASA editörlerine bir eleştiri (ya da bir övgü) değildir. Dergi sayfaları “kıt kaynak”lardandır ve okurlarının en çok ilgisini çekecek çalışmaları yayınlamaları zorunludur. Yine de bu örnek, alanımızda matematiksel sağlamanın geri çekilmediğini göstermektedir. VM gibi yeni alanlarda, diğer bilgi bilimleriyle rekabet edip etmeyeceğimiz konusunda bir kaç konuya değinilebilir. BrianJoiner’ın dediği gibi “İstatistiğin varlığı Tanrı kelamına bağlı değildir.” Matematik, fizik, kimya ve biyoloji bölümleri olmayan bir dünya hayal edilemez. Ama istatistik bölümlerinin gerekli olup olmadığı hep bir tartışma konusu olmuştur. Faydalı yöntemler üretebildiğimiz sürece büyüyebiliyoruz. Diğer alanlardaki veri çözümlemesi ile ilgili teknikler egemen olmaya başladıkça, bu bizim alanımızda bir sorun yaratacaktır. Artık oyundaki tek oyuncu değiliz. Günümüze kadar, eğer biri veri çözümlemesine ilgi duyuyorsa; İstatistik yönelebileceği (uzaktan bile olsa) çok az uygun alandan biriydi. Artık durum bu değildir. Artık bizimle müşteriler, öğrenciler, sektör ve biz istatikçiler için rekabet eden heyecan verici yeni alanlar var. Yeni bir yöntem için bir piyasa oluşuyorsa, bu bizimle de bizsiz de yapılabilir. İnkâr etmek bunu değiştirmez. Diğer alanlar, ilgili ders programları, coşkulu araştırma projeleri ve mezuniyet sonrası yerleştirme becerileriyle, en parlak öğrenciler için bize rakipler. Önde gelen bazı istatistikçilerimiz bu diğer alanların kucakladığı problemler üzerine araştırma yapmaya yöneliyor ve onların dergilerinde çalışmalarını yayınlıyor. Öğrencilerin ve araştırmacıların bu “beyin göçü” disiplinimizin gelecekteki sağlığına en önemli tehdittir. İstatistikçiler ve veri madencileri bir araya gelip veri çözümlemenin gelecekteki meseleleriyle mücadele edeceklerse, VM paradigmalarının da değişmesi gerekmektedir. VM topluluğu "büyük”e olan romantik bakışını değiştirmelidir. Yürürlükte olan bir çözümleme gigabitleri, terabitleri içermiyorsa, değerli olamayacağı yönde ilerliyordur. 1977 Dallas Konferansı’na kadar giden, sunumlardaki beylik bir ifade “benim veri kümem seninkinden büyük” olmuştur. Sanki toplanmış bütün veriler bir çözümlemenin her kısmında kullanılmalı diye bir zorunluluk vardır. Bu büyüklükte veri ile eşzamanlı baş edemeyen karmaşık prosedürler VM’nin ilgi alanına girmemektedir. Çoğu VM uygulaması rutin olarak, bizim geleneksel istatistikî prosedürlerde kullanageldiğimizden (kilobit) büyük veri setlerine ihtiyaç duyar. Bununla beraber, veriye sorulan sorular verinin tümü (giga veya terabit) gerekmeksizin yeterli dakiklikte cevaplanabilir. İstatistikte uzun bir geleneği olan örneklem yöntemleri hesaplama ihtiyacını artırmadan doğruluğu artırmak için kârlı bir şekilde kullanılabilir. Verinin bir altkümesi üzerinde çalışan güçlü hesap yoğun prosedürler de, bütün veri üzerinde çalışan daha az karmaşık prosedürlerden daha fazla doğruluk sağlayabilir. 32 33 8. Sonuç VM, diğer veri ile ilgili alanlar yanında yeni yeni gelişen kökenleri istatistiğin dışında olan bir disiplindir (5. Bölüm). Bu durumda bu Veri Tabanı Yönetimi topluluğudur. Bir çok bakımdan bu alan (VM) ele aldığı konular bakımından istatistiğe en yakın olandır. Bir disiplin olarak istatistiğin VM’yi bir altdisiplin olarak kucaklaması ya da onu Bilgisayar bilimlerine bırakması tartışması hâlâ açıktır. Bu yazının amacı bu tartışmayı buraya taşımaktır. Geçen yıllar içinde bu tartışma alanımızın iki önsezisi kuvvetli kişisi tarafından yürütüldü. 1962 Annals of Statistics makalesiyle John Tukey ve 1977 Dallas Konferansı sunumuyla Leo Beriman. Bu konferansın üzerinden 20 yıl geçti. Bir kez daha, diğer bilgi bilimleri arasındaki yerimizi gözden geçirme fırsatına sahibiz. VM topluluğu kapıyı aralık bırakıyor. Yıllık newport Beach Kaliforniya’daki KDD-97 toplantılarını, istatistikçilerin katılımını teşvik etmek için, Anaheim toplantısının hemen sonrasına koydular. Veri çözümlemede istatistikî düşünmenin önemini takdir ediyorlar. Şimdi sıra bizde. Referanslar TukeyJ W (1962) Thefutureof data analysis -AnnStatist1-67
Page 3 and 4: Ahlaki gereklilik istatistik... pre
Page 5 and 6: Yıl: 2 Sayı:9 Kasım-Aralık 2012
Page 7 and 8: Kasım-Aralık 2012 Yıl : 2 Sayı
Page 17: Kasım-Aralık 2012 Yıl : 2 Sayı
Page 35 and 36: %9’u “”zorlama”, %25’i
Page 39 and 40: 72 Kasım-Aralık 2012 Yıl : 2 Say
Page 41 and 42: Kasım-Aralık 2012 Yıl: 2 Sayı:
Page 45 and 46: 5 Kasım-Aralık 2012 Yıl: 2 Sayı
Page 47 and 48: 22 23 Kasım-Aralık 2012 Yıl: 2 S
Page 51: 96 Kasım-Aralık 2012 Yıl: 2 Say

Sayi9kasimaralik

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?