Bilimsel yaklaşımın en büyük özelliği test edilebilirliktir. Test edilemeyen, doğrulanıp veya yanlışlanamayan yaklaşımlar bilimsel değildir. Test etmek, deneyler yapmak ve veriler almak demektir. Fakat veri almak tek başına yetmez. Önemli olan verileri yorumlamak ve anlamlandırmaktır. Aşılar, tedaviler veya depremler hakkında bilim insanlarının farklı görüşlerine rastlarsınız. Farklılığa sebep olan ana şey, yorumladıkları veri kümeleri ve veri analizdeki yaklaşımlarıdır. Peki aynı veriye bakan bilim insanları nasıl oluyor da farklı sonuçlara varabiliyor? Bilimin istatistiksel doğasına ve bazı safsataların neden bilimsel olmadığına gelin beraber bakalım.
Fizikte öğretmekten en çok keyif aldığım ders istatistiksel mekaniktir. Kaosun rüzgarında sayısız olasılıklı durumu barındıran gaz moleküllerinin mikro durumlarından bir gaz balonunun basıncını, entropisini, sıcaklığını ve moleküllerin ortalama hızlarını öngörebilirsiniz. Bu öngörülmesi zor bireysel insan davranışlarından bir toplumun genel dinamikleri hakkında bilgi sahibi olmaya benzer. İnsan anlamında bir nevi istatistiksel yaklaşım psikolojiden sosyolojiye geçişin anahtarıdır. İstatistik çoğu zaman rakamların soğuk dünyası gibi sunulur. Oysa gerçekte istatistik, belirsizlikle nasıl yaşadığımızın matematikle yazılmış hikâyesidir. Basitçe, belirsizliği yönetme sanatıdır.
Doğa, kaosun kaçınılmaz bir süreç olduğu belirsizlikle doludur. Ama hava durumunu doğru tahmin etmek tarımsal sürdürülebilirlik için önemlidir. Bir ilacın veya aşının olası yan etkilerini bilmek hastalıkların ve salgınların önlenmesi açısından kritiktir. Bu noktada istatistikte iki temel yaklaşım devreye girer: Frequentist ve Bayesian bakış açıları. Aynı veriye bakarlar ama farklı sorular sorarlar. Frequentist yaklaşım, doğayı sanki sonsuz kez tekrar edilebilen bir deneyler bütünüymüş gibi ele alır. “Bu deneyi çok ama çok kez yapsaydım ne olurdu?” sorusunu sorar. Olasılığı, uzun vadeli tekrarların limiti olarak tanımlar. Bu yaklaşım, özellikle kontrollü deneyler ve laboratuvar bilimi için güçlüdür. Çünkü doğayı ve hata paylarını sınırlar, kendimizi kandırmamıza karşı bir emniyet kemeri görevi görür. Bayesian yaklaşım ise daha insani bir yerden konuşur. “Şu ana kadar bildiklerim ışığında, yeni gelen verilerle birlikte neye inanmalıyım?” der. Burada olasılık, doğanın değil, bizim bilgimizin bir ölçüsüdür. Yeni veri geldikçe fikirlerimizi güncelleriz. Aslında gündelik hayatta hep böyle düşünürüz. Sabah camdan dışarı bakar, bulutları görür, telefonumuzdaki hava durumu uygulamasına göz atar ve “Bugün yağmur ihtimali yüksek, şemsiyeyi alayım” deriz. Hiç kimse “Bu günü bin kez tekrar yaşasaydım kaçında yağmur yağardı?” diye düşünmez. Ama zihnimiz farkında olmadan Bayesian bir güncelleme yapar.Hava durumu tahminleri bu yüzden güzel bir örnektir. “Yarın yağmur yağma olasılığı %70” ifadesi tek bir gün için anlamlıdır. Bu oran, geçmiş veriler, mevsimsel döngüler, basınç haritaları ve anlık ölçümlerin birleşiminden doğar. Tahmin kesinlik iddiası taşımaz, aksine belirsizliği dürüstçe masaya koyar. Belirsizliği saklamaz, nicelleştirir. Aşılar ve ilaçlar söz konusu olduğunda ise bu ayrım çok daha hayati hale gelir. “Bu aşı %95 etkilidir” cümlesi çoğu zaman yanlış anlaşılır. Frequentist anlamda bu, klinik deneylerde aşılı ve aşısız gruplar arasındaki göreli risk azalımını ifade eder. Örneğin, COVID-19 aşısı faz 3 çalışmalarında, aşılı grupta semptomatik enfeksiyon oranı %0.04 iken plasebo grubunda %0.76 idi. Bu da yaklaşık %95 etkinlik anlamına geliyor. Yani deney çok kez tekrar edilseydi, bu fark istatistiksel olarak bu düzeyde ortaya çıkardı. Bu, deneyin güvenilirliğini anlatır, tek bir insanın kaderini değil. Oysa birey olarak biz şu soruyu sorma eğiliminde oluruz: “Benim yaşımda, bu sağlık koşullarıyla, bu varyant dolaşımdayken aşı olursam ağır hastalık geçirme olasılığım nedir?” Bu soru Bayesian bir sorudur. Ön bilgiler (yaş, bağışıklık durumu, toplumdaki yayılım) yeni verilerle birleşir ve kişisel bir olasılık değerlendirmesi yapılır. Bilim insanları arasındaki görüş farklarının büyük kısmı da buradan doğar. Aynı veriye bakıp farklı öncüllerle farklı sonuçlara varabilirler. Bu bir zayıflık değil, bilimin doğasıdır. Bilim tek sesli bir kehanet değil, sürekli güncellenen kolektif bir akıldır.
Sorun, istatistiğin bu doğası göz ardı edildiğinde başlar. Belirsizliğe tahammül edemeyen zihin, bilimi kesinlik vaat eden bir otoriteye dönüştürmek ister. Oysa bilim kesinlik satmaz; olasılık sunar. Bu, insanın varoluşsal kırılganlığıyla uyumludur. Hayat da böyledir: Hiçbir kararımız %100 güvenli değildir ama yine de yaşar, seçer ve sorumluluk alırız.
Tam bu noktada, belirsizliği yönetemeyen yaklaşımlar devreye girer. En meşhuru elbette fallar ve astrolojidir. Astroloji de olasılıklardan bahsediyor gibi yapar ama ortada test edilebilir, yanlışlanabilir bir model yoktur. Ne Frequentist anlamda tekrar edilebilir deneyler vardır, ne de Bayesian anlamda verilerle güncellenen öncüller. Astrolojide veri modeli düzeltmez, model veriye uydurulur. Yanlışlanan bir öngörü, teorinin çökmesine değil, yorumun genişlemesine yol açar. Bu yüzden astroloji istatistiğin değil, anlatının alanına girer. Bilim belirsizliği sayılarla yüzümüze vurur. Astroloji ise belirsizliği sembollerle örtbas eder. Biri insana “bilmiyoruz ama öğrenmeye çalışıyoruz” der; diğeri “merak etme, zaten yazılmış” diye fısıldar. İlki sorumluluk ister, ikincisi teslimiyet. Bu yüzden astroloji, anlam arayışında psikolojik bir karşılık bulabilir ama bilimsel bilgi üretiminin parçası olamaz. Sonuçta bilim, doğaya dair olduğu kadar insana dair de bir faaliyettir. Belirsizlikle barışmayı, fikrimizi değiştirebilmeyi ve yanılabilir olduğumuzu kabul etmeyi gerektirir. İstatistik bunun matematiksel dilidir. Hayat ise bu dilin sürekli sınandığı büyük bir deneydir.