Εισαγωγή στη στατιστική
Εισαγωγή
Σε αυτό το κεφάλαιο, συζητάμε την έννοια της στατιστικής. Η στατιστική (statistics) είναι ένας από τους βασικούς πυλώνες της έρευνας και της επιστήμης δεδομένων και, καθώς τα δεδομένα συσσωρεύονται εκθετικά στην ψηφιακή εποχή, γίνεται όλο και πιο σημαντική.
Σε πολλούς τομείς, όπως η ιατρική, οι επιχειρήσεις και η μηχανική, οι αποφάσεις πρέπει να λαμβάνονται με βάση ελλιπή πληροφόρηση, υπό συνθήκες αβεβαιότητας. Για παράδειγμα, ένας γιατρός μπορεί να χρειαστεί να αποφασίσει για την καλύτερη θεραπεία ενός ασθενούς με βάση τα αποτελέσματα κλινικών δοκιμών και το ιστορικό του ασθενούς. Ένα στέλεχος επιχείρησης μπορεί να βασιστεί σε δεδομένα της αγοράς για να λανσάρει ένα νέο προϊόν ή να αλλάξει στρατηγική. Σε όλες αυτές τις περιπτώσεις, η εξαγωγή αξιόπιστων συμπερασμάτων από τα δεδομένα είναι καθοριστική. Η λήψη αποφάσεων χωρίς στέρεα τεκμήρια μπορεί να οδηγήσει σε κακά αποτελέσματα, σπατάλη πόρων ή ακόμη και σε βλάβη. Η στατιστική παρέχει τα εργαλεία ακριβώς γι’ αυτό: για να λαμβάνουμε τεκμηριωμένες αποφάσεις, βασισμένες στα δεδομένα, αντί να βασιζόμαστε μόνο σε εικασίες ή στη διαίσθηση.
Ας εξετάσουμε ένα σενάριο στο οποίο εργαζόμαστε σε μια μεγάλη εταιρεία και θέλουμε να αξιολογήσουμε πώς συγκρίνονται οι μισθοί των εργαζομένων μας με εκείνους ανταγωνιστικών εταιρειών (παρεμπιπτόντως, αυτή είναι μια τυπική εργασία ενός τμήματος ανθρώπινου δυναμικού). Αυτό το ερώτημα δεν αφορά απλώς τις αποδοχές ή το κόστος: αφορά τη δικαιοσύνη, την ισότητα αμοιβών, την ανταγωνιστικότητα στην αγορά, ακόμη και τη στρατηγική κατεύθυνση.
Οι άνθρωποι θα μπορούσαν να αρχίσουν να διαφωνούν για το τι ακριβώς πρέπει να θεωρείται δίκαιο. Για παράδειγμα, πρέπει να αυξήσουμε τους μισθούς των νέων προσλήψεων για να προσελκύσουμε νέα ταλέντα, ακόμη κι αν αυτό σημαίνει ότι θα κερδίζουν περισσότερα από εργαζόμενους με πολλά χρόνια στην εταιρεία και παρόμοιους ρόλους; Πολλές φορές, τέτοιες διαφωνίες βασίζονται σε μεγάλο βαθμό σε ενστικτώδεις εκτιμήσεις και προκαταλήψεις. Ωστόσο, η διαίσθηση ή τα μεμονωμένα περιστατικά δεν αρκούν, αν θέλουμε πραγματικά να λάβουμε τεκμηριωμένες και αντικειμενικές αποφάσεις. Για να το κάνουμε αυτό, χρειαζόμαστε δεδομένα και μεθόδους για να τα αναλύσουμε και να τα ερμηνεύσουμε σωστά. Αυτός είναι ο ρόλος της στατιστικής ως επιστημονικού κλάδου.
Η στατιστική μπορεί να θεωρηθεί τόσο εργαλείο όσο και πλαίσιο συλλογισμού με βάση τα δεδομένα. Η χρήση της μας επιτρέπει να απαντάμε σε ερωτήματα αμερόληπτα, να εντοπίζουμε μοτίβα και να λαμβάνουμε τεκμηριωμένες αποφάσεις. Είναι σημαντικό ότι δεν χρειάζεται να είναι κανείς μαθηματικός για να ασχοληθεί με τη στατιστική.
Πληθυσμοί και δείγματα
Ας υποθέσουμε ότι θέλουμε να συγκρίνουμε τον μέσο μισθό των εργαζομένων της εταιρείας μας με εκείνον των ανταγωνιστών της. Ωστόσο, πριν μπορέσουμε να εφαρμόσουμε τη στατιστική, πρέπει να συλλέξουμε δεδομένα. Ιδανικά, θα θέλαμε να έχουμε όλη τη σχετική πληροφορία από όλους τους εργαζόμενους της αγοράς. Ωστόσο, με χιλιάδες εργαζόμενους σε διάφορες εταιρείες (ακόμη κι αν περιοριστούμε μόνο στους άμεσους ανταγωνιστές), ρόλους και τοποθεσίες (καθώς και με μισθούς που αλλάζουν με την πάροδο του χρόνου), η συλλογή πλήρων δεδομένων μισθών είναι συχνά ανέφικτη στην πράξη, αν όχι αδύνατη. Αντί γι’ αυτό, συλλέγουμε δεδομένα από μια μικρότερη ομάδα, με την ελπίδα να γενικεύσουμε τα αποτελέσματα στην ευρύτερη ομάδα. Αυτό το υποσύνολο ονομάζεται δείγμα (sample), ενώ ολόκληρη η ομάδα που μας ενδιαφέρει (όλοι οι εργαζόμενοι της αγοράς τη δεδομένη χρονική στιγμή) ονομάζεται πληθυσμός (population).
Πληθυσμός: Ολόκληρη η ομάδα για την οποία θέλουμε να βγάλουμε συμπεράσματα (π.χ. όλοι οι σχετικοί εργαζόμενοι του κλάδου).
Δείγμα: Μια μικρότερη ομάδα που επιλέγεται από τον πληθυσμό και για την οποία συλλέγουμε πραγματικά δεδομένα.

Είναι σημαντικό να σημειωθεί ότι στη στατιστική ο πληθυσμός δεν αναφέρεται μόνο σε ανθρώπους: μπορεί να περιγράφει οποιοδήποτε πλήρες σύνολο αντικειμένων ή οντοτήτων που μελετάμε—όπως τα προϊόντα ενός εργοστασίου, οι συναλλαγές μιας τράπεζας ή οι ημέρες ενός έτους.
Ορισμός
Ο πληθυσμός περιλαμβάνει όλες τις μονάδες για τις οποίες θέλουμε να βγάλουμε συμπεράσματα.
Παρόλο που συνήθως δουλεύουμε με δεδομένα δείγματος, χρησιμοποιούμε τη στατιστική για να βγάλουμε συμπεράσματα για τον πληθυσμό σαν να είχαμε δεδομένα για όλους. Αν το δείγμα είναι αντιπροσωπευτικό (representative), μπορεί να οδηγήσει σε έγκυρα συμπεράσματα (inferences) για τον πληθυσμό (Urdan, 2022). Η διαδικασία μοιάζει με το να δοκιμάζουμε μια κουταλιά σούπα για να εκτιμήσουμε τη γεύση ολόκληρης της κατσαρόλας. Η βασική παραδοχή, φυσικά, είναι ότι η κουταλιά σούπας αντιπροσωπεύει με ακρίβεια ολόκληρη την κατσαρόλα.
Σε αντίθεση με τα αντιπροσωπευτικά δείγματα, τα μεροληπτικά (biased) δείγματα οδηγούν σε παραπλανητικά συμπεράσματα. Αν πάρουμε δείγμα μόνο από ένα τμήμα ή μόνο από μία εταιρεία, παραβλέπουμε τη διακύμανση μεταξύ ρόλων, επιπέδων ιεραρχίας, ακόμη και οργανισμών. Για παράδειγμα, αν θέλουμε να μελετήσουμε τους IT managers, αλλά πάρουμε δείγμα μόνο από τους νέους managers της εταιρείας μας, τα αποτελέσματα πιθανότατα θα αποδίδουν λανθασμένα την εικόνα του ευρύτερου πληθυσμού. Ο ρητός ορισμός του πληθυσμού που μας ενδιαφέρει και η εξασφάλιση ενός αντιπροσωπευτικού δείγματος είναι απαραίτητα για να αποφύγουμε τη μεροληψία (bias).
Είδη δειγμάτων
Όπως αναφέρθηκε, πρέπει να βεβαιωθούμε ότι το δείγμα μας αντιπροσωπεύει όσο το δυνατόν καλύτερα τον πληθυσμό που μας ενδιαφέρει. Αυτό είναι ένα καθοριστικό βήμα, καθώς η κακή δειγματοληψία εισάγει μεροληψία, περιορίζοντας έτσι την αξιοπιστία των συμπερασμάτων μας. Ωστόσο, η έννοια του αντιπροσωπευτικού δείγματος είναι περισσότερο θεωρητική παρά πρακτική: η τέλεια αντιπροσωπευτικότητα είναι δύσκολο να επιτευχθεί στην πράξη, αλλά υπάρχουν πρακτικές μέθοδοι που βοηθούν να την προσεγγίσουμε (Moore, McCabe, & Craig, 2021). Στην πράξη, συνήθως εφαρμόζουμε την απλή τυχαία δειγματοληψία (simple random sampling), στην οποία κάθε άτομο του πληθυσμού έχει ίση πιθανότητα να επιλεγεί.
Μια παρόμοια μέθοδος, που μπορεί να κάνει την απλή τυχαία δειγματοληψία πιο αποτελεσματική, εξασφαλίζοντας την εκπροσώπηση ομάδων που διαφορετικά θα υποεκπροσωπούνταν, είναι η στρωματοποιημένη τυχαία δειγματοληψία (stratified random sampling). Όταν ο πληθυσμός περιέχει ουσιαστικές υποομάδες (π.χ. τμήματα, επίπεδα θέσεων, εταιρείες), η στρωματοποιημένη δειγματοληψία είναι συχνά προτιμότερη (και πρακτικά εφικτή). Σε αυτή την περίπτωση, ο πληθυσμός χωρίζεται σε στρώματα (strata), δηλαδή ομάδες, και από το καθένα λαμβάνεται ένα τυχαίο δείγμα. Έτσι εξασφαλίζεται ότι όλες οι σχετικές ομάδες εκπροσωπούνται αναλογικά, βελτιώνοντας την ακρίβεια και τη χρησιμότητα των αποτελεσμάτων. Για παράδειγμα, αν πιστεύουμε ότι υπάρχουν τρεις ουσιαστικές ομάδες όσον αφορά τους μισθούς των χρηματοοικονομικών αναλυτών (junior, mid-senior και senior), πρέπει να πάρουμε υποδείγματα από όλες αυτές τις ομάδες (υποθέτοντας, φυσικά, ότι έχουμε ορίσει τον πληθυσμό μας ως «χρηματοοικονομικοί αναλυτές», χωρίς άλλους περιορισμούς). Είναι σημαντικό να σημειωθεί ότι, όταν εφαρμόζουμε στρωματοποιημένη τυχαία δειγματοληψία, γνωρίζουμε εκ των προτέρων τις ουσιαστικές υποομάδες, πιθανώς χάρη στη γνώση του αντικειμένου ή σε προηγούμενες μελέτες.
Σε πολύ μεγάλα δείγματα, η απλή τυχαία δειγματοληψία και η στρωματοποιημένη δειγματοληψία οδηγούν σε παρόμοια δείγματα. Με άλλα λόγια, σε πολύ μεγάλα δείγματα, η απλή τυχαία δειγματοληψία τείνει να δίνει ένα δείγμα που εκπροσωπεί αναλογικά όλες τις ουσιαστικές ομάδες. Αυτό συμβαίνει επειδή η τυχαία μεταβλητότητα τείνει να εξισορροπείται σε έναν μεγάλο αριθμό παρατηρήσεων.
Ας συγκρίνουμε τα παραπάνω με μια συνηθισμένη παγίδα στη δειγματοληψία: τη δειγματοληψία ευκολίας. Η δειγματοληψία ευκολίας (convenience sampling) συνίσταται στην επιλογή των ατόμων που είναι πιο εύκολο να προσεγγίσουμε (π.χ. των εργαζομένων που βρίσκονται στο γραφείο). Παρόλο που αυτή η μέθοδος είναι εξ ορισμού γρήγορη και φθηνή, τείνει να δίνει μεροληπτικά δείγματα που δεν αντικατοπτρίζουν τον ευρύτερο πληθυσμό (Freedman, Pisani, & Purves, 2007). Αυτή η μέθοδος μπορεί μάλιστα να εφαρμοστεί κατά λάθος, καθώς μπορεί να νομίζουμε ότι εφαρμόζουμε απλή τυχαία δειγματοληψία, ενώ ουσιαστικά κάνουμε δειγματοληψία ευκολίας. Για παράδειγμα, ας υποθέσουμε ότι συλλέγουμε ένα δείγμα για τον πληθυσμό που μας ενδιαφέρει χρησιμοποιώντας το Google και παίρνοντας τα δεδομένα από τους πρώτους (μη χορηγούμενους) ιστότοπους που εμφανίζονται. Παρόλο που ίσως πάρουμε και πάλι ένα αντιπροσωπευτικό δείγμα, υπάρχει σημαντική πιθανότητα να μη συμβεί αυτό· μόνο μια συγκεκριμένη υποομάδα, δηλαδή οι ιστότοποι με σημαντική διαδικτυακή παρουσία και προβολή, μπορεί να (υπερ)εκπροσωπείται. Ως αποτέλεσμα, τα συμπεράσματά μας μπορεί να είναι στρεβλωμένα, παρόλο που η διαδικασία δειγματοληψίας φαινόταν ουδέτερη με την πρώτη ματιά.
Αυτό το παράδειγμα αναδεικνύει τη σημασία του να είμαστε προσεκτικοί και διαφανείς στον τρόπο με τον οποίο επιλέγουμε τα δείγματά μας. Η μέθοδος δειγματοληψίας που επιλέγουμε πρέπει να συμβαδίζει με τους στόχους μας, τη δομή του πληθυσμού, καθώς και με τους διαθέσιμους πόρους μας. Ενώ η απλή τυχαία δειγματοληψία είναι συχνά επαρκής, η στρωματοποιημένη δειγματοληψία προσφέρει μεγαλύτερη ακρίβεια όταν αναμένονται διαφορές μεταξύ των υποομάδων. Η προσεκτική δειγματοληψία εξασφαλίζει ότι τα ευρήματα δεν στρεβλώνονται από ομάδες που υπερεκπροσωπούνται ή υποεκπροσωπούνται.
Τεχνικά, κάθε δείγμα αντιπροσωπεύει κάποιον πληθυσμό. Για παράδειγμα, αν συλλέξουμε δεδομένα μόνο από πολύ έμπειρους χρηματοοικονομικούς αναλυτές του τραπεζικού τομέα, το δείγμα μας—εξ ορισμού—αντιπροσωπεύει τη συγκεκριμένη ομάδα. Η πραγματική πρόκληση είναι να εξασφαλίσουμε ότι ο πληθυσμός που αντιπροσωπεύει το δείγμα μας ταιριάζει όσο το δυνατόν περισσότερο με τον πληθυσμό που πραγματικά θέλουμε να μελετήσουμε.
Μέγεθος δείγματος
Εκτός από το πώς επιλέγουμε το δείγμα μας, εξίσου σημαντικός είναι ο αριθμός των μεμονωμένων περιπτώσεων που περιλαμβάνουμε—γνωστός ως μέγεθος δείγματος (sample size). Ένα μικρό δείγμα, ακόμη κι αν έχει επιλεγεί τυχαία, μπορεί να μην αντικατοπτρίζει τα πραγματικά χαρακτηριστικά ενός μεγάλου πληθυσμού, απλώς λόγω τύχης. Τα μεγαλύτερα δείγματα τείνουν να δίνουν πιο σταθερές και ακριβείς εκτιμήσεις, μειώνοντας την επίδραση της τυχαίας μεταβλητότητας. Αυτό είναι διαισθητικό: όσο μεγαλύτερο είναι το δείγμα, τόσο πιο καθαρά βλέπουμε τον συνολικό πληθυσμό. Μια χρήσιμη αναλογία είναι ένα παζλ: όσο περισσότερα κομμάτια συνδέουμε, τόσο καλύτερη ιδέα αποκτάμε για ολόκληρη την εικόνα, ακόμη κι αν λείπουν ακόμη κάποια κομμάτια.
Παρ’ όλα αυτά, δεν είναι όλοι οι πληθυσμοί μεγάλοι. Σε ορισμένες μελέτες, ο ίδιος ο πληθυσμός μπορεί να είναι σχετικά μικρός—για παράδειγμα, όλοι οι εργαζόμενοι μιας μικρής εταιρείας ή οι ασθενείς με μια σπάνια πάθηση. Σε τέτοιες περιπτώσεις, ένα μικρό δείγμα μπορεί να είναι επαρκές για να περιγράψει τον πληθυσμό με ουσιαστικό τρόπο, ειδικά αν περιλαμβάνει μεγάλο ποσοστό της συνολικής ομάδας.
Ωστόσο, όταν δουλεύουμε με μεγάλους πληθυσμούς, η συλλογή μεγάλων δειγμάτων μπορεί να είναι δαπανηρή ή χρονοβόρα. Επομένως, η επιλογή του κατάλληλου μεγέθους δείγματος απαιτεί ισορροπία ανάμεσα στην ακρίβεια και στην πρακτικότητα.
Παράμετροι και στατιστικά μέτρα
Μαζί με την επιλογή των μεμονωμένων περιπτώσεων για το δείγμα μας, πρέπει επίσης να αποφασίσουμε ποιες μεταβλητές (variables) θα μελετήσουμε—δηλαδή τα χαρακτηριστικά που σχετίζονται άμεσα με τα ερευνητικά μας ερωτήματα. Στο παράδειγμα των μισθών των εργαζομένων, σχετικές μεταβλητές θα μπορούσαν να είναι οι συνολικές αποδοχές, το τμήμα, ο τίτλος θέσης, το επίπεδο εκπαίδευσης ή τα έτη εμπειρίας. Οι κατάλληλες μεταβλητές εξαρτώνται από το τι θέλουμε να μάθουμε. Για παράδειγμα, η σύγκριση των μισθών μεταξύ τμημάτων απαιτεί δεδομένα σχετικά με τα τμήματα· η μελέτη της επίδρασης της εκπαίδευσης στις αμοιβές κάνει την εκπαίδευση βασική μεταβλητή. Επειδή το δείγμα μας προορίζεται να αντιπροσωπεύει έναν ευρύτερο πληθυσμό, τα δεδομένα που συλλέγουμε πρέπει να αντικατοπτρίζουν πραγματικές σχέσεις που υπάρχουν σε αυτόν τον πληθυσμό. Διαφορετικά, τα συμπεράσματά μας μπορεί να είναι ανακριβή ή ελλιπή. Ας υποθέσουμε ότι κάνουμε μια έρευνα σε 200 εργαζόμενους και βρίσκουμε μέσο μισθό $52,000. Αυτός ο αριθμός ονομάζεται στατιστικό μέτρο (statistic)—μια σύνοψη που υπολογίζεται από το δείγμα μας. Ο ευρύτερος στόχος μας, ωστόσο, μπορεί να είναι η εκτίμηση του πραγματικού μέσου μισθού σε ολόκληρο τον κλάδο. Αυτή η άγνωστη τιμή ονομάζεται παράμετρος (parameter).
Παράμετρος: Μια αριθμητική σύνοψη ενός πληθυσμού, συνήθως άγνωστη.
Στατιστικό μέτρο: Μια αριθμητική σύνοψη ενός δείγματος, γνωστή και υπολογισμένη από τα δεδομένα.
Χρησιμοποιούμε τα στατιστικά μέτρα για να εκτιμήσουμε τις παραμέτρους. Όσο πιο αντιπροσωπευτικό και μεγαλύτερο είναι το δείγμα μας, τόσο πιο ακριβής είναι πιθανό να είναι η εκτίμησή μας. Στην πράξη, η συλλογή δεδομένων από ολόκληρο τον πληθυσμό είναι συχνά μη ρεαλιστική—γεγονός που καθιστά τη δειγματοληψία απαραίτητη για την έρευνα και τη λήψη αποφάσεων.
Περιγραφική και επαγωγική στατιστική
Σε αυτό το σημείο, είναι επίσης σημαντικό να τονίσουμε ότι η στατιστική χωρίζεται σε δύο μεγάλα είδη: την περιγραφική και την επαγωγική. Η περιγραφική στατιστική (descriptive statistics) μας βοηθά να συνοψίσουμε και να οργανώσουμε τα δεδομένα, ώστε να κατανοήσουμε τη δομή τους (Urdan, 2022). Περιλαμβάνει μέτρα όπως οι μέσοι όροι και τα εκατοστημόρια, καθώς και εργαλεία όπως τα γραφήματα—οτιδήποτε μας βοηθά να σχηματίσουμε μια πιο καθαρή εικόνα των δεδομένων που έχουμε συλλέξει. Για παράδειγμα, η αναφορά του μέσου μισθού, του πιο συνηθισμένου τίτλου θέσης ή του εύρους των ετών εμπειρίας στο δείγμα μας είναι όλα μορφές περιγραφικής στατιστικής.
Η επαγωγική στατιστική (inferential statistics), από την άλλη πλευρά, μας επιτρέπει να προχωρήσουμε ένα βήμα πιο βαθιά. Μας βοηθά να χρησιμοποιήσουμε τα δεδομένα του δείγματος για να κάνουμε τεκμηριωμένες εκτιμήσεις (να βγάλουμε θεμελιωμένα συμπεράσματα) για τον ευρύτερο πληθυσμό (Urdan, 2022). Αν εκτιμήσουμε τον μέσο μισθό σε όλο τον κλάδο με βάση το δείγμα μας—ή αν συγκρίνουμε τους μισθούς μεταξύ τμημάτων και ελέγξουμε αν η διαφορά είναι ουσιαστική—εφαρμόζουμε επαγωγική στατιστική. Και τα δύο είδη είναι σημαντικά: η περιγραφική στατιστική μάς βοηθά να καταλάβουμε με τι δουλεύουμε, ενώ η επαγωγική στατιστική μάς βοηθά να διατυπώσουμε λογικά τεκμηριωμένους ισχυρισμούς για όσα δεν μπορούμε να παρατηρήσουμε άμεσα.
Συνδυάζοντας όλα τα παραπάνω: ένα παράδειγμα με μισθούς
Για να δούμε πώς οι βασικές ιδέες που συζητήσαμε—πληθυσμός, δείγμα, στατιστικό μέτρο και παράμετρος—συνδυάζονται στην πράξη, ας δούμε ένα απλοποιημένο παράδειγμα.
Ας υποθέσουμε ότι θέλουμε να εκτιμήσουμε τον μέσο μισθό στον κλάδο μας. Αυτό είναι ένα συνηθισμένο ερώτημα για εταιρείες που θέλουν να κατανοήσουν τη θέση τους στην αγορά ταλέντων και να εξασφαλίσουν ανταγωνιστικές αποδοχές. Ωστόσο, η συλλογή δεδομένων μισθών από κάθε εργαζόμενο σε όλες τις εταιρείες δεν είναι ρεαλιστική. Γι’ αυτό ακολουθούμε μια πρακτική προσέγγιση: συλλέγουμε πληροφορίες από ένα δείγμα 200 εργαζομένων που εργάζονται σε διάφορους ρόλους σε διάφορες εταιρείες.
Μελέτες αποδοχών
Παρόλο που χρησιμοποιούμε τον μέσο μισθό ενός κλάδου ως την παράμετρο που μας ενδιαφέρει, στην πράξη οι εταιρείες θα ενδιαφέρονταν για πολύ πιο λεπτομερείς προδιαγραφές—για παράδειγμα, ανά οικογένεια θέσεων, επίπεδο ιεραρχίας κ.λπ.
Ας υποθέσουμε ότι αυτό το δείγμα προέρχεται από πολλαπλές, μη επικαλυπτόμενες, αξιόπιστες πηγές δεδομένων. Οι πάροχοι των δεδομένων χρησιμοποιούν απλή τυχαία δειγματοληψία, που σημαίνει ότι κάθε άτομο έχει ίση πιθανότητα να συμπεριληφθεί στο δείγμα. Αυτό δεν εγγυάται την τελειότητα, αλλά μειώνει την πιθανότητα μεροληψίας. Αφού έχουμε τα δεδομένα, υπολογίζουμε τον μέσο μισθό των 200 εργαζομένων. Το αποτέλεσμα είναι $52,000.
Αυτός ο αριθμός είναι ένα στατιστικό μέτρο—ένα συνοπτικό μέτρο που υπολογίζεται από το δείγμα μας. Μας λέει κάτι για τους ανθρώπους που πραγματικά παρατηρήσαμε.
Αυτό όμως που πραγματικά μας ενδιαφέρει είναι η παράμετρος: ο μέσος μισθός σε ολόκληρο τον κλάδο. Αυτό είναι ένα συνοπτικό μέτρο ολόκληρου του πληθυσμού. Δυστυχώς, δεν έχουμε πρόσβαση σε αυτή την τιμή, επειδή δεν συλλέξαμε (και πιθανότατα δεν θα μπορούσαμε να συλλέξουμε) δεδομένα από όλους.
Αν το δείγμα μας είναι αντιπροσωπευτικό—δηλαδή περιλαμβάνει εργαζόμενους από διάφορους τομείς, μεγέθη εταιρειών και ρόλους σε αναλογίες που αντικατοπτρίζουν τον ευρύτερο κλάδο—τότε το στατιστικό μας μέτρο ($52,000) είναι πιθανότατα μια καλή εκτίμηση της άγνωστης παραμέτρου. Αυτή είναι η βασική δύναμη του στατιστικού συλλογισμού: η χρήση δεδομένων δείγματος για να μάθουμε την αλήθεια για τον πληθυσμό.
Ας εξετάσουμε όμως ένα αντίθετο σενάριο. Ας υποθέσουμε ότι το δείγμα μας περιλαμβάνει μόνο εργαζόμενους από startups με υψηλές αμοιβές, ίσως λόγω των πηγών δεδομένων που χρησιμοποιήσαμε. Σε αυτή την περίπτωση, ο μέσος όρος του δείγματός μας μπορεί να είναι $100,000. Παρόλο που τεχνικά εξακολουθεί να είναι στατιστικό μέτρο, δεν αποτελεί πλέον αξιόπιστη εκτίμηση του πραγματικού μέσου όρου του κλάδου—πιθανότατα είναι υπερεκτίμηση λόγω μεροληψίας δειγματοληψίας.
Αυτό το απλό παράδειγμα αναδεικνύει γιατί ο σχεδιασμός δειγματοληψίας (sampling design) έχει τόση σημασία. Η ποιότητα του δείγματος επηρεάζει άμεσα την ακρίβεια των συμπερασμάτων μας. Ένα κακώς επιλεγμένο δείγμα μπορεί να οδηγήσει σε παραπλανητικά στατιστικά μέτρα και λανθασμένες αποφάσεις.
Συνοπτικά, η διαδικασία εξελίσσεται ως εξής:
Ορίζουμε έναν πληθυσμό: όλοι οι εργαζόμενοι του κλάδου.
Παίρνουμε ένα δείγμα: 200 εργαζόμενοι που επιλέγονται με (ιδανικά) τυχαίες μεθόδους.
Υπολογίζουμε ένα στατιστικό μέτρο: ο μέσος μισθός του δείγματος, $52,000.
Χρησιμοποιούμε αυτό το στατιστικό μέτρο για να εκτιμήσουμε μια παράμετρο: τον άγνωστο πραγματικό μέσο όρο του κλάδου.
Ας το πάμε ένα βήμα παραπέρα. Αν ο μέσος μισθός της δικής μας εταιρείας είναι $50,000 και εκτιμούμε ότι ο μέσος όρος του κλάδου είναι $52,000, αυτή η πληροφορία θα μπορούσε να καθοδηγήσει στρατηγικές αποφάσεις. Θα μπορούσε να εγείρει ερωτήματα όπως: Μένουμε πίσω σε σχέση με την αγορά; Πρέπει να προσαρμόσουμε τη δομή των αμοιβών μας; Υπάρχουν διαφορές μεταξύ ρόλων ή τμημάτων που εξηγούν τη διαφορά;
Αυτό δείχνει το ευρύτερο συμπέρασμα: η στατιστική μάς επιτρέπει να λαμβάνουμε τεκμηριωμένες αποφάσεις, βασισμένες στα δεδομένα, ακόμη κι όταν δεν μπορούμε να μετρήσουμε τα πάντα άμεσα.
Ο νόμος των μεγάλων αριθμών
Σε αυτό το σημείο, είναι απαραίτητο να τονίσουμε ένα από τα πιο θεμελιώδη αποτελέσματα της στατιστικής: τον νόμο των μεγάλων αριθμών (Law of Large Numbers, LLN). Αυτός ο νόμος μας λέει ότι, καθώς αυξάνεται το μέγεθος ενός τυχαίου δείγματος, το sample mean (μέσος όρος του δείγματος) τείνει να πλησιάζει όλο και περισσότερο το πραγματικό population mean (μέσος όρος του πληθυσμού) (Moore et al., 2021). Με άλλα λόγια, όσο περισσότερα δεδομένα συλλέγουμε, τόσο πιο αξιόπιστη γίνεται η εκτίμησή μας για τον μέσο όρο του πληθυσμού.
Για να δούμε γιατί αυτό έχει σημασία, ας φανταστούμε ότι προσπαθούμε να εκτιμήσουμε τον μέσο μηνιαίο μισθό σε έναν πληθυσμό 1,000 ατόμων. Αν εξετάσουμε μόνο 5 άτομα, το sample mean θα μπορούσε εύκολα να απέχει πολύ από τον πραγματικό μέσο όρο. Αν όμως είχαμε δεδομένα από 500 άτομα, ο μέσος μισθός τους θα ήταν σχεδόν σίγουρα πολύ κοντά στο πραγματικό population mean.
Αυτή η ιδέα είναι ισχυρή, επειδή μας διαβεβαιώνει ότι τα στατιστικά μέτρα που βασίζονται σε μεγαλύτερα δείγματα είναι γενικά πιο αξιόπιστα, με την προϋπόθεση ότι το δείγμα δεν είναι μεροληπτικό. Ένα μεγαλύτερο δείγμα μειώνει την τυχαία μεταβλητότητα, αλλά δεν μπορεί να διορθώσει μια μεροληπτική μέθοδο δειγματοληψίας.
Γιατί έχει σημασία η στατιστική σκέψη
Η στατιστική δεν είναι απλώς μια συλλογή τύπων—είναι ένας τρόπος σκέψης. Μας δίνει μια δομημένη προσέγγιση για να κατανοούμε τον κόσμο όταν η πλήρης πληροφόρηση δεν είναι διαθέσιμη. Στην πραγματική ζωή, σχεδόν ποτέ δεν έχουμε πρόσβαση σε ολόκληρο τον πληθυσμό. Αντίθετα, δουλεύουμε με δείγματα και προσπαθούμε να κάνουμε εύλογες εκτιμήσεις για την ευρύτερη ομάδα. Αυτή η διαδικασία μάς επιτρέπει να περάσουμε από συγκεκριμένες παρατηρήσεις σε ευρύτερα συμπεράσματα, με έναν ορισμένο βαθμό βεβαιότητας.
Στον πυρήνα της, η στατιστική ξεκινά με ένα ερώτημα και καταλήγει σε καλύτερη κατανόηση. Το πετυχαίνει αυτό συνδέοντας τα δείγματα με τους πληθυσμούς και χρησιμοποιώντας γνωστές τιμές—τα στατιστικά μέτρα—για να κάνει τεκμηριωμένες εκτιμήσεις για άγνωστες αλήθειες—τις παραμέτρους. Αν το δείγμα έχει επιλεγεί προσεκτικά και οι παραδοχές πίσω από τις μεθόδους μας είναι βάσιμες, τότε τα στατιστικά μέτρα που υπολογίζουμε μπορούν να προσφέρουν ουσιαστική γνώση για σύνθετα συστήματα.
Η πραγματική δύναμη της στατιστικής, όμως, βρίσκεται στον τρόπο σκέψης που καλλιεργεί. Η στατιστική σκέψη μάς ενθαρρύνει να κοιτάμε κάτω από την επιφάνεια, να ρωτάμε πώς συλλέχθηκαν τα δεδομένα και να αναρωτιόμαστε ποια συμπεράσματα είναι δικαιολογημένα, αν θέλουμε να είμαστε επιστημονικά ορθοί. Αυτή η κριτική ματιά είναι απαραίτητη σε έναν κόσμο γεμάτο δεδομένα.
Υπάρχει μια διαδεδομένη αντίληψη ότι «με τη στατιστική μπορείς να υποστηρίξεις οτιδήποτε». Ενώ είναι αλήθεια ότι οι αριθμοί μπορεί να χρησιμοποιηθούν καταχρηστικά ή να παρερμηνευθούν, το πρόβλημα συνήθως δεν βρίσκεται στα μαθηματικά, αλλά στις παραδοχές και στο πλαίσιο πίσω από αυτά. Όταν τα δεδομένα είναι έγκυρα και οι μέθοδοι βάσιμες, οι αριθμοί δεν λένε ψέματα—αλλά χρειάζονται προσεκτική ερμηνεία για να αποκαλύψουμε την αλήθεια. Ακόμη και έμπειροι στατιστικοί μπορεί να διαφωνούν, όχι επειδή τα μαθηματικά είναι λάθος, αλλά επειδή ερμηνεύουν τους ίδιους αριθμούς από διαφορετική οπτική.
Επιπλέον, όταν σύνθετα δεδομένα συμπυκνώνονται σε έναν μόνο αριθμό, όπως ένας μέσος όρος, η ατομική διακύμανση χάνεται. Τα στατιστικά μέτρα περιγράφουν τις εμπειρίες ομάδων, όχι ατόμων. Ένας μέσος όρος πληθυσμού δεν λέει τίποτα για το πώς νιώθει, πόσα κερδίζει ή πώς αποδίδει ένα συγκεκριμένο άτομο. Γι’ αυτό τα στατιστικά μέτρα πρέπει να θεωρούνται εργαλεία για την απόκτηση μιας ευρύτερης κατανόησης και όχι εξατομικευμένης αλήθειας.
Εν ολίγοις, το να σκεφτόμαστε στατιστικά σημαίνει να αναγνωρίζουμε την αβεβαιότητα, να κάνουμε στοχευμένες ερωτήσεις και να αναζητούμε συμπεράσματα βασισμένα σε τεκμήρια. Σημαίνει να είμαστε σκεπτικιστές χωρίς να είμαστε κυνικοί και περίεργοι χωρίς να είμαστε απρόσεκτοι. Η στατιστική σκέψη μάς εξοπλίζει ώστε να διαβάζουμε τους τίτλους των ειδήσεων πιο συνετά, να παίρνουμε αποφάσεις πιο υπεύθυνα και να κατανοούμε καλύτερα τον κόσμο γύρω μας.