A STATISZTIKA ÁLTALÁNOS ELMÉLETE ÉS MÓDSZERTANA MATEMATIKAI STATISZTIKA
ELLIS. B.:
A MÉRÉS ALAPFOGALMAI
(Basic concepts of measurement.) Cambridge.
1966. University Press, 220 p.
A mérés alkotja a láncszemet a matemati- ka és az egyéb tudományok között. Ennek el- lenére aránylag kevés monográfia foglalko- zott a mérés logikai és módszertani prob- lémáival. Ez a jelen könyv feladata, amely főképp logikai szempontból vizsgálja a kü—
lönböző mérési eljárások megválasztásának irányelveit, ugyanakkor a mérési eredmények statisztikai elemzésének egyes szempontjait is. E tekintetben különös fontosságú, hogy a könyv behatóan tárgyalja a valószínűség számszerű meghatározásának kérdéseit.
Az I. fejezet témája az aritmetika és a mé—
rés kapcsolota. E tekintetben fontos az a Russel/től származó modern felfogás, amely az aritmetikát a logika egy részének tekinti, s amelynek kétféle alkalmazását különbözteti meg: az elsődleges alkalmazás példája két csoport összes elemeinek egy számmal való kifejezése. ami a logikai összegezésnek fe- lel meg. A logika, illetve az aritmetika másod- lagos alkalmazása: skála segítségével való mérések számszerű eredményeinek értelmezé- se, illetve elemzése. Ez a könyv fő témája.
A szerző külön fejezetben foglalkozik a fizikai mennyiség fogalmával. Valamely fi—
zikai jelenség vagy dolog mennyiségi sajá—
tossága azt jelenti, hogy egy másik dolog- gal olyan relációban áll, amely szerint e sa—
játossága a másikénál nagyobb vagy kisebb, illetve azzal egyenlő. Amennyiben ezen relá- ciók közül az egyik fennáll, úgy a szóban forgó sajátosság nagyságváltozása esetén egy másik ilyen reláció lép fel. Az említett relációk alapján a fizikai dolgok e sajátos- ság szerint lineáris sorrendben helyezhetők el; a mennyiségi jelleg lényege az ilyen relá- ciók, illetve lineáris sorrend megállapítható—
sága, vagyis a mennyiség nem abszolút. ha—
nem relacionális fogalom.
A könyv több fejezetben tárgyalja a kü—
lönböző mérési skálákat. A mérés, mint ezt különösen Stevens 1959—ben megjelent mű-
vében hangsúlyozza, mindig a fizikai sajá—
tossághoz való hozzárendelése valamilyen számnak, amikor erre az alapot egy megfe- lelően választott mérési skála szolgáltatja.
ltt felmerül a kérdés. hogy a választott skála, '
illetve a mérési eljárás mennyiben közeliti
meg a valóságos mennyiségi relációkat. E tekintetben vizsgálni kell a mérési skálák kü-lönböző típusait. *
A mérési skálák osztályozásánál kiinduiha- tünk a mérési eljárások különböző változatai—
ból. Igy Campbell megkülönböztet alapvető és derivált (származtatott) skálát. Az első esetben nincs szükség előzetes mérésre, mig az utóbbi bizonyos alapozó jellegű mérést igényel. Ez esetben a szerző, külön tipusnak minősíti az általa osszociativnak nevezett el- járást, amikor a megmérendő fizikai mozza- nat mérőszámát egy másik mozzanat mérése alapján határoztuk meg. ennek klasszikus példája a hőmérséklet mérése.
A skálák egy másik osztályozásának alap- ja Stevens 1946-ban megjelent munkája sze- rint az a matematikai transzformáció, amely- nek alkolmazásánál a skála matematikai formája változatlan marad. Igy például az ún. ordinál-skála esetében, amely nagyság szerinti sorrendet állapít meg a megmért mozzanatokra nézve, a mérési eredményeket egy monoton növekvő függvény alapján transzformálva az eredetileg meghatározott sorrend változatlan marad.
A lineáris intervallum-skálák elnevezése onnan származik, hogy ezeknél az eredmé- nyeket a sorrend és az intervallumokat meg—
őrző transzformációk változatlanul hagyják;
ilyen transzformáció az y-——— mx —j—- c függvény által jellemezhető, ahol m)0. Az ún. ará- nyossági skálák (ratio-scales) esetében az invarianciát a sorrendet, intervallumokat és az arányokat egyaránt megőrző transzfor—
mációk biztosítják, amelyek függvényalakja:
y : mx, m ) 0.
Ha valamely mérési skála segítségével egy bizonyos a mennyiség meghatározása céljá- ból n mérést végzünk, s így xi, xz . . ., xn mé—
rési eredményeket kapjuk. úgy felmerül a kérdés, hogy ezekből a a mennyiség igazi
STATISZTIKAI lRODALMl 'FlGYELÖ
értéke miképpen határozható meg. E célból a mérési értékeknek valamilyen megfelelő xn átlagát kell megállapítani az alábbi kép- let alapján:
Xn :An(X1, Xg, .. ., x" ).
ltt An az átlagolási függvény. Ennek meg—
választása tekintetében Stevens javaslata.
hogy amennyiben az X skála egy se transz—
formáció-függvény—alkalmazásával Y skálávó alakul át, úgy a(xn) legyen az Y skálához tartozó átlag. Tehát az átlagolási függvény-
nek a következő feltételt kell teljesítenie:
(Min ) : An ('w (xi). meg). wrxn ))
Lineáris intervallumskóla esetében e feltétel az alábbi alakú:
m—Xín) *l* C ::Aíni
((mxi—fc). (me—i—CL-u (mut—c))-
Ennek a feltételnek csak a számtani átlag által meghatározott átlagolási függvény tesz eleget. Mint látjuk, a mérési skála megvá—
lasztása egyúttal megadja a helyes mérési eredmény megállapításához szükséges átla- golási eljárást is.
A könyv a továbbiakban közelebbről fog- lalkozik az asszociatív és a derivált mérés problémáival. Ezek főképpen a természettu—
dományi vizsgálatokban nyernek alkalma- zást. Viszont a statisztikai mérések szem—
pontjából is fontos a könyv azon különálló fejezete, amely a számnak mint fizikai meny- nyiségnek, a meghatározásával foglalkozik.
Kétségtelen, hogy a szám fizikai mennyiség- nek tekintendő, amikor bizonyos csoportok tagszámuk szerinti egyenlőségéről vagy kü- lönbségeiről beszélünk. Egy csoport tagszá—
mának meghatározása erre való tekintettel mérés gyanánt minősíthető, amikor a mérés a tagok megszámlálósából áll. Ezen eljárás egyedülálló sajátossága, hogy itt mérési skála megválasztására nincs szükség; mivel a számlálás eredményei ugyanolyan relá—
ciókban állnak egymással, mint más mérési eredmények, ilyen módon azokat lemért mennyiségnek kell tekinteni.
A könyv utolsó fejezete behatóan tárgyal—
ja a valószínűség fogalmát és számszerű meghatározását. A szerző itt ismerteti a va—
lószínűség jelenleg általánosan elismert há- rom változatát; ezek (: konfirmáció foka (lo—
gikai valószínűség). szubjektív valószínűség és a relatív, gyakoriság (matematikai való-
színűség). A két utóbbi fogalom empirikus jellegű. A szerző szerint a valószínűségelmé- let problematikája a valószínűség mérésé—
nek logikája.
E tekintetben a kiindulás annak a felis—
merése, hogy a valószínűségi ítéletekből
meghatározható egy nyers, nagyság szerinti sorrend. amely sok tekintetben analogonja a termométer használata előtti hőmérsék- leti sorrendnek. Ez a nagyság szerinti tem- peratura-sorrend, amely csak félig objektív, onnan származik, hogy a különböző egyének magatartása az atmoszferikus hőmérsékleti viszonyokkal szemben bizonyos konzisztenciát mutat. Hasonlóképpen az egyének racioná—
lis cselekvései azok valószínű következmé- nyei szempontjából nagyjából konziszten- sek.
A valószínűségelmélet feladata, hogy az említett félig szubjektív nyers valószínűségi sorrendet egy objektív sorrenddel helyette—
sítse. Ez utóbbival azután a szubjektívvaló- színűségi ítéletek összehasonlíthatók és így korrigálhatók. A szerző megfelelő formális logikai meggondolások alapján azután le- vezeti, hogy ilyen objektív nagyság szerinti sorrend csak a valószínűségi ítéleteknek lo- gikai relációkra való visszavezetése alapján építhető fel. Ily módon a logikai ítéleteknek valószínűségi jellege ugyanolyan sajátossá- guk. mint igaz vagy hamis voltuk.
A valószínűség objektív sorrendjének konkrét meghatározására többféle eljárás szolgálhat. így a szerző szerint e célból fel- használhatók bizonyos fizikai elméletek, pél- dául a kvantum-mechanika, továbbá egyes reális szimmetria-relációk. Végül az objek—
tív sorrend megalapozható különbözőinduk—
tív eljárások segítségével, amelyek egyedi tények. ún. evidencia ismeretéből állapíta- nak meg valószínűségi becsléseket vagy ösz—
szehasonlításokat. Az ilyen induktív eljárá- sok vagy következtetések behatóbb vizsgá—
lata az induktív logika feladata, amellyel a könyv már nem foglalkozik, mert az kereteit messze túlhaladná.
'A szubjektív valószínűséa objektív kvanti- fikálása eay megfelelő skála meahatározá- sát igényli. A legalkalmasabb valószínűségi skála megállapításánál logikai szempontok és a valószínűséaszámítás klasszikus irány- elvei a mértékadók. Ily módon a logikailag igaz következtetés valószínűségi mérőszáma az egyséa. az ellentmondásos ítéleté zérus.
Ezen mérőszámokra és a loaikailaa nem szűk- ségszerű ítéletekre nézve a valószínűséget eay pozitív reális törttel jellemezve a logikai ítéletek konjunkciója,disziunkciója és negá—
ciáia tekintetében érvényes összefüggések- ből levezethetők a valószínűségszámítás ad—
dicionális és multiplikácionális tételei.
Az előzők alaoián meaállapítható, hoav a valószínűségi itéletek objektív számszerű iellemzésére eay a logikai valószínűségi re—
lációkra alapított arányossáai skála a lea—
alkalmasabb. Konkrét esetekben a valószí—
nűség számértékének megbecsülésére külön—
böző induktiv eliórósok szolgálnak, amelyek általában egymástól eltérő értékbecsléseket
806
adnak. Ezek közül a legmegfelelőbb eljárás kiválasztása — valamely adott esetet figye- lembe véve -— az induktív logika egyik fő feladata. A szerző szerint ez a probléma bizonyos analógiát mutat egy mérési skálá—
hoz tartozó legmegfelelőbb átlagolási eljá—
rás kiválasztásához.
A szerző a modern valószínűségelmélettel összhangban az objektív valószínűséget lo—
gikai fogalomnak tekinti, amely a valószínű- ségi itélet logikai relációi által van megha—
tározva. Ha azonban a logikai valószínűség számértékét akarjuk meghatározni, akkor mint láttuk, a reális ténybeli relációkból kell egy közelítő becsült értéket meghatározni.
Az így kapott számérték az ún. empirikus valószínűség (probabilityz), mely jól megkü- lönböztetendő az objektív valószínűségtől (probabilityj, vagy konfírmáció—fok), mint ezt elsősorban Carnap hangsúlyozta. A szer- ző helyesen utal arra. hogy minden mérésnél megkülönböztethetünk egy logikai és egy empirikus kvantitatív fogalmat. Ez a megkü—
lönböztetés azonban a valószínűségelmélet- ben és az induktív logikában különleges fon- tosságú.
(lsm. : Theiss Ede)
'
GLJAZER. L.:
A TUDOMÁNYOS KUTATÁS GAZDASÁGI HATÉKONYSÁGA
(Ekonomicseszkaja éffektivnoszt, naucsnogo isz- szledovanija.) —— Planovoe Hoz/aisztvo. 1971. 9. sz.
45—53. p.
A tudományos kutatás nagyfokú haté—
konyságáról elterjedt nézetek meglehetősen kevéssé megbízható számításokon alapul- nak. A tudományos kutatás hatékonysági vizsgálatainál abból indulnak ki, hogy a ku- tatásokat az anyagi termelés egyik ágazata- ként kezelik, s az iparban vagy a mezőgaz- daságban szokásos módszerekkel — sajátos vonásaitól eltekintve —— közelítik a problémát.
Az utóbbi időben a tudományos kutatá- sokra nagy összegeket fordítanak mind a szocialista, mind a tőkés országokban.
Ezért szükségessé vált a tudomány haté—
konyságát számításokkal megalapozni. Az adott probléma elemzését legésszerűbb egy adott tudományos kutatás hatékonyságának a meghatározásával, vagyis mikroszinten kezdeni. majd atudományos intézmény vagy tudományterület szintjén folytatni és végül vizsgálni a tudomány egészének hatékony- ságát. A jelen cikk az említett feladat első részének a megoldását kísérli meg.
A tudományos kutatás a termelési folya- mat különleges formája, mivel szellemi te—
vékenység révén valósul meg. Elemei: a módszerek és az elérni kívánt célok.
STATISZTIKAI lRODALMl *FIGYELÓ
Ahhoz, hogy az új tudományos ismerete- ket fel lehessen használni a népgazdaság- ban. két feltétel biztosítása szükséges. Első- sorban az ismeretek megjelenési formájá—
nak elő kell segítenie a megfelelő gazda—
sági folyamatba való bekapcsolást. Másod—
sorban a népgazdaságban olyan átalakítá- sokat kell végezni, amelyek lehetővé teszik.
hogy az új befogadására képes legyen. Az első feltételt a terv- és kísérleti konstrukciós kidolgozás segítségével biztosítják, míg a második feltétel biztosításához komplex in- tézkedésekre van szükség.
Az alap- és az alkalmazott kutatások, a kidolgozás és az elsajátítás a népgazdaság szempontjából a termelés előtti tevékeny—
séget jelentik. Az új tudományos elkép- zelés megszületésétől az új termékben való megvalósulásig igénybe vett idő az ..inku—
báció" ideje.
A népgazdaság alapvető követelménye ennek az időszaknak a minimumra ,való le—
rövidítése, mivel az erre az időszakra for—
clitott eszközök mindaddig "befagyasztott"
állapotban vannak. amig az új tudományos ismeretek nem realizálódnak a termelés- ben. A továbbiakban a szerző az inkubá- ciós időszak hosszának gazdasági becslését kísérli meg.
Az iparban a tudományos kutatásra for- dított összeg a termék önköltségének 15—20 százalékát teszi ki. Ha ez a tendencia nem változik, akkor a továbbiakban a beruházá—
sok tervezését a maximális kutatási költségek meghatározásával kell kezdeni.
Az inkubációs időszak közgazdasági becs—
lése után a tudományos kutatás népgazda- sági hatékonyságát kell megállapítani.
A gazdasági eredmény csak kezdetet jelent.
Ez az eredmény konkrét formájának soka- ságát —— mint a bruttó termelést, az áruter- melést, a realizált termelést, a nemzeti jö—
vedelem növekedését, nyereséget stb. —- tar—
talmazza. Az új termék eredményének két típusát különböztetjük meg: ha az új ter—
mék felhasználása egyszeri, akkor az újítás eredményét a termékek bevezetéséből az adott évben származó eredmény egyszerű összegezésével állapítják meg. Másként ha—
tározható meg az olyan újítás eredménye.
amelyet több alkalommal használnak (gépek, technológiai folyamatok). A több évi termék- kibocsátás eredményeit is figyelembe vevő számítás az újítás azon hatását mutatja, amelyet a népgazdaság számára eredmé- nyez. A képlet magában foglalia. az új ter—
mék kibocsátási szakaszában elért eredményt is, nemcsak az inkubációs időszakét. Ezért szükséges az eredmény felbontása, ami az új termék normál önköltsége szintjének meg- határozásán alapul.
A tudományos kutatás által elért összes eredményt, a tudományos kutatás hatékony—