6125495051

[ 16 ] J. Kordos, Rolo myślenia statystycznego lu zarzqdzoniu jakoscig

populacji i na założeniu, że parametry populacji są stałe. Jednakże zaproponowane przez Fishera (1930), przedziały fiducyjne (fiducial intervals) nie znalazły uznania. Fundamentalny wkład w rozwój tego paradygmatu wniósł Jerzy Neyman (1933, 1934, 1937), wspomniany już światowej sławy statystyk polskiego pochodzenia. W swoim słynnym artykule (Neyman 1934)²⁵, zmienił teoretyczne podstawy wnioskowania na podstawie badań częściowych, wprowadzając błędy losowe oparte na randomizacji rozkładu. Wprowadził „optymalną lokalizację próby” w losowaniu warstwowym, a także „przedziały ufności” (Neyman 1933,1937)²⁶. Użył on terminu „reprezentatywny” w nowym znaczeniu. Jerzy Neyman przyjął model Fishera wnioskowania i zastosował go do populacji skończonych z tą różnicą, że w modelu Neymana nie przyjmuje się żadnych założeń o rozkładach badanych zmiennych.

Profesor Neyman w znacznym stopniu przyczynił się do rozwoju badań reprezentacyjnych w Polsce po II wojnie światowej (Bracha 1996; Fisz 1950; Kordos 2011, 2012; Zasępa 1958, 1972). W badaniach reprezentacyjnych stosowano głównie podejście częstościowe, prowadzono prace badawcze w tej dziedzinie, ale uwzględniano także podejście bayesowskie.

Za twórców tego podejścia częstościowego uważa się, oprócz R.A. Fishera i Jerzego Neymana, także Karola Pearsona (1892, 1907), P. de Moivera, Egona Pearsona i A. Walda (1939,1950).

Podejście częstościowe zakłada, że parametry w populacji są stałe i niezmienne w realistycznych okolicznościach, a dane o tych parametrach można uzyskać z powtarzalnej, losowej próby, na podstawie której można estymować badane parametry i ocenić ich precyzję, tj. wielkość średniego błędu losowego, lub zbudować przedział ufności, pokrywający prawdziwą wartość parametru w populacji z określonym poziomem ufności. Pozwala też zweryfikować hipotezę odnośnie jej prawdziwości lub fałszu z określonym poziomem istotności.

Interpretacja częstościowa oznacza, że prawdopodobieństwo zdarzenia definiowane jest jako granica częstości względnej zdarzeń elementarnych sprzyjających temu zdarzeniu, przy liczbie doświadczeń dążącej do nieskończoności²⁷. W praktyce

25    Neyman J. (1934), s. 558-606; https://www.google.pl/#q=Jerzy+Neyman (data dostępu 2014.10.01).

26    Źródło: https://www.google.pl/#q=przedzia%C5%82y+ufno%C5%9Bci (data dostępu 2014.10.01).

27    Zarówno definicja klasyczna jak i częstościowa prawdopodobieństwa były krytykowane, dopiero problem ten rozwiązał Kołmogorow (1933).