DIGITALNA ARHIVA ŠUMARSKOG LISTA
prilagođeno pretraživanje po punom tekstu




ŠUMARSKI LIST 9-10/1997 str. 41     <-- 41 -->        PDF

IZVORNI ZNANSTVENI ČLANCI ORIGINAL SCIENTIFIC PAPERS Šumarski list br. 9-10, CXXI( 1997), 499-505
UDK 519.24 + 630*


STOHASTIKA U ZNANSTVENIM ISTRAŽIVANJIMA*


Problemi - Nerazumijevanja - Opasnosti


APPLICATION OF STOCHASTICS TO SCIENTIFIC RESEARCH
Problems - Misconceptins - Risks


Vladimir HITREC**


SAŽETAK: Znanstvena su istraživanja u šumarstvu uglavnom stohastičke
prirode, te stoga zahtijevaju uporabu metoda infereneijalne statistike. Rijetki
su pokušaji (Rauscher 1980) da se za pojave u šumarstvu uspostave teorije.
Prvi se dio rada bavi problemima koje je inicirao Rauscher (1987) i koji su
raspravljani u grupi S6.02. 1UFRO -a. Rasprava se vodila o stohastičkim,
determinističkim, empirijskim i eksplanatornim modelima.


Drugi se dio rada bavi problemima pogrešne interpretacije, odnosno pogrešne
upotrabe infereneijalne statistike. Statistika se vrlo često smatra kao
nezaobilazna, svemoguća, potpuno objektivna i točna. Takav pristup statistici
autor drži pogrešnim. Autor osobito ističe mišljenje (Warren 1986) da su
znanstveni zaključci subjektivni i kada se temelje na statističkim analizama.


U trećem dijelu rada iznose se primjeri neprikladne uporabe infereneijalne
statistike.


Ključne riječi: stohastika, matematički modeli, inferencijalna statistika


Uvod - Introduction


Rad je rezultat autorova bavljenja primjenom mate(
1987, 1988) i rasprava u grupi S6.02 IUFRO-a, u kojoj
matike, posebno statistike, u šumarstvu, obradi i prerasu
sudjelovali Warren (1988), Oderwald (1988), Host
di drva i drugim znanstvenim disciplinama (medicini, (1988), McRoberts (1988), Hitrec (1989) i dr. Autor
geologiji, sociologiji, agronomiji). Neposredan povod smatra korisnim da se rasprava o uporabi statistike izza
ovaj rad i radove sa sličnom tematikom koji su mu nese izvan stručnih krugova biometričara kako, bi s tim
prethodili jest rad W. G. Warrena (1986), koji je prema problemima bili upoznati i znanstvenici kojima je staautorovoj
spoznaji ako ne prvi, ali tada svakako najpottistika
tek sredstvo u istraživanjima.
punije upozorio na opasnost koja nastaje zbog neodgo


Ideje iznesene u ovom radu djelomično su već obvarajuće
(nestručne) uporabe infereneijalne statistike.


javljene; u odnosu na rad iz 1989. ispravljene, a s obziPovod
za razmišljaje o modeliranju pružio je Rauscher


rom na rad iz 1994. nadopunjene.


1. Teoretski i stohastički modeli - Theory and stochastics models
Prirodne i socijalne pojave opisuju se pomoću mateSa
stanovišta količine sigurnosti (nesigurnosti) promatičkih
modela čija je svrha da omoguće analizu pojacjena,
odnosno poopćavanja koje pojedini modeli omova,
uglavnom u smislu procjene, prognoze i poopćenja gućavaju, modeli se mogu podijeliti u dvije skupine, u
rezultata dobivenih pokusom. determinističke i stohastičke.


Modeli mogu biti više ili manje stohastički. Iako se


* Rad je prikazan na XX. kongresu IUFRO-a uTampereu 1995.
** Prof. dr. sc. Vladimir Hitrec, Šumarski fakultet Zagreb modeli koji sadržavaju malu količinu nesigurnosti čes


ŠUMARSKI LIST 9-10/1997 str. 42     <-- 42 -->        PDF

V. Hitrcc : STOHASTIKA U ZNANSTVENIM ISTRAŽIVANJIMA
to nazivaju deterministički, moramo biti svjestni da u
stvarnosti nema pojave koja bi se mogla opisati determinističkim
modelom.


U prirodi nema determinizma. Potpuno deterministički
modeli su teorije. Riječ teorija dolazi od grčke riječi
theos (bog). Teorija, dakle, ne pripada realnome svijetu,
te je moguća odnosno razumljiva jedino bogovima.


Teorije (determinističke modele) stvaraju temeljne
znanosti. Prihvaćajući aksiome, temeljne znanosti iz
njih, služeći se matematikom, stvaraju sve složenije zakone
(teorije) koje tada eksperimentalno provjeravaju.


Potvrđene se teorije rabe i u primijenjenim znanostima,
no tu moraju biti prilagođene stvarnosti. Teorije su
potpuna apstrakcija stvarnosti. One u jednom smislu
vrijede "svugdje ", a u drugom smislu "nigdje"; "svugdje"
jer su univerzalne, a "nigdje"jer se svugdje moraju
korigirati kako bi se prilagodile realnim uvjetima
(Hitrec 1989.)


Jasno je da za primjenu (izravnu upotrebu) nije dovoljna
teorija. Ona nije ni nužna. Realnije svijet stohastičan
te izravna primjena determinističkih modela nije
moguća. S gledišta primjene, modeli se mogu podijeliti
u eksplanatorne i empirieke. Eksplanatornom varijablom
naziva se varijabla čija promjena uzrokovana nenasilnim
(ne akcidentnim*) čimbenicima zadržava
kvalitetnost modela.


Rauche r (1987) ekslanatorne modele naziva kauzalnim
(uzročnim) modelima. Taj naziv smatra neprikladnim
jer pravi uzroci pojava nikada nisu poznati. Temeljni
uzrok zašto određena količina vlage odnosno topline
pogoduje rastu biljaka nije poznat. Do određene
razine spoznaje može se doći, no bit se ne može objasniti.
Ne može se objasniti zašto, na primjer, kamen kada
se ispusti, pada "dolje", a ne poleti prema "gore".


Empirijski modeli, prema Raucheru (1987), sadrže i
takve varijable (ili samo takve varijable) koje bitno ne
utječu na promjenu prediktora. Radi se o varijablama
koje su u korelaciji sa zavisnom varijablom, no ne utječu
na njezinu promjenu.


Ako se s empirijskim varijablama dogodi nešto neobično,
incidetno, tada se model može pokvariti.


Poznat je primjer postojanja takve stohastičke veze
y=f(x), gdje je x broj roda u određenom mjesecu koje
se mogu prebrojiti u Kopenhagenu, &y broj poroda u
tom mjesecu (izvor te informacije nije mi poznat.)


Nešto realniji primjer takvog apsolutno empirijskog
modela mogao bi se dobiti stavi li se u korelaciju broj jaglaca
na tratini s lisnatošću breza na obližnjem brežuljku.
Ako takva korelacija postoji (stoje vrlo vjerojatno),
a lakše je brojiti jaglace nego lišće na brezama, tada
ćemo biti zadovoljni s takvim empirijskim modelom.


Naravno da su oba primjera granična, no nade li se
varijabla koja je u korelaciji s prediktorom, te ako je tu


Šumarski list br. 9 10, CXXI (1997), 499-505


varijablu lako mjeriti i ako je korelacija jaka, nema razloga
da se model ne upotrijebi. Problem nastaje ako
koza pobrsti jaglace, ili ako rode budu ubijene. To je taj
akcident kod asteriksa (*) stoje već spomenuto.


Raucher (1987) vjeruje, želi, odnosno nagovještava
da je nužno i u šumarstvu odnosno u primijenjenim
znanostima početi upotrebljavati eksplanatorne modele
koji bi omogućili veći determinizam modela.


Smatram daje to vrlo teško ili gotovo nemoguće, jer
je stvarnost uvijek stohastična, i da se može govoriti samo
o više ili manje eksplanatornom modelu, već prema
tomu koliko eksplanatornih varijabli on sadržava.


Mislim da se problem - stohastika ili determinizam,
te - empirički ili eksplanatorni modeli u primijenjenim
znanostima ne može riješiti. Morat ćemo se služiti svim
onim vrstama modela koji pružaju mogućnost procjene
odnosno prognoze, nastojeći da nezavisne varijable objašnjavaju
zavisnu varijablu kada je god to moguće, uključujući
i cijenu stvaranja takva modela.


Naravno da nam odgovara ako model sadrži mnogo
eksplanatornih varijabli (varijable koje su u izravnoj
svezi s funkcijom kriterija). Kao primjer mogu se navesti
normirana vremena za obaranje i izradu sortimenata.
Pri istraživanju koje su obavili Tomanić i dr. (1978)
obuhvaćen je znatan broj varijabli: vrsta drva, prsni
promjer, visina, površina krošnje, mjesec u godini, dubina
snijega, nagib terena, kamenitost terena i još neke.
Nakon analize, satističke, logičke i financijske, a uzevši
u obzir praktičnost ali i nužnu točnost, za procjenu potrebnoga
radnog vremena ostale su tri varijable: prsni
promjer i metoda rada te nekoliko grupa vrsta drveća.
Ostale su varijable izostavljene iako su bile eksplanatorne,
no beznačajno su doprinosile procjeni vremena.


Iako se nastojalo uvesti mnogo eksplanatornih varijabli,
te iako su tri eksplanatorne varijable ostale kao
nezavisne varijable u modelu, model je ostao znatno
stohastičan.


Život je stohastičan. Nastojanja da se modeli učine
stoje moguće više eksplanatornima i više determinističkima
poželjna su, no određena će količina stohastičnosti
(neizvjesnosti) u primjenama uvijek ostati. To će biti
osobito izraženo pri proučavanju žive (realne) prirode,
a posebice kada se promatra interakcija prirode i ljudi,
odnosno njihova rada koji je rezultat izvanredno mnogo
činbenika.


Tu su svakako istraživači temeljnih disciplina u prividnoj"
prednosti", jer oni dolaze do "velikih" otkrića,
epohalnih teorija, dok se "aplikativac" probija kroz šumu
nedefiniranih situacija, punu neočekivanosti i nestalnosti.


Istraživač teorija kaže: ako je tako i tako, odnosno
tako, tj. ako su ispunjeni određeni uvjeti, tada vrijedi to
i to. Onaj koji se bavi primjenom okruženje onim što
vrijedi i u tome mora naći nešto novo što vrijedi. Rije




ŠUMARSKI LIST 9-10/1997 str. 43     <-- 43 -->        PDF

V. Hitrec : STOHASTIKA U ZNANSTVENIM ISTRAŽIVANJIMA Šumarski list br. 9 10. CXXI (1997). 499-505
tko može kazati: "ako je tako i tako", jer posljedica njete.
Zbog toga se pri donošenju zakona odnosno odluka
gova istraživanja često implicira i postupak odnosno mora koristiti mjera sigurnosti koja je sadržana u infeodluku
koja se mora temeljiti na činjenicama. Problem rencijalnoj statistici.
je u tome što mu okruženje nije nikada potpuno pozna-Fg. 1 ilustrira dosadašnja razmatranja


ST0HASTIC MODELS
THEORIES
SSP«®11 ^ODÖ-S
^PLAN, ´ATÜRYM0DELs
ill O cc
LU o
DETERMINISTIC
MODELS


Slika 1 Teorija, deterministički, stohastički, empirički i eksplanatorni modeli
Fig. 1. Theory, deterministic, stohastic, emphirical and explanatory models


2. Kada i gdje inferencijalna statistika - When and where inferencial statistics
Prije nego što progovorimo bitno o inferencijalnoj tom pomoću slučajnoga uzorka "dokažemo" da se postatistici,
navedimo tvrdnju koja je toliko adekvatna za nedjeljak razlikuje npr. od srijede je besmislena. Ako je
statistiku da djeluje kao daje za nju izmišljena: rezultat signifikantan, nije se dobilo ništa novo, a ako


rezultat nije signifikantan, morat će se priznati da se u


"It ain´t so much the things we don´t know that get us
postupku negdje pogriješilo. Naravno da se ovdje radi o


trouble.


"normalnim" ponedjeljcima i srijedama, a ne o mjere


It´s the things we know that ain´t so" (Artemus Ward;


njima nakon naše određene intervencije kojom se mož


prema Wanacott Wanaccott, 1990).


da poremetila poznata zakonitost.
U slobodnom prijevodu ta tvrdnja glasi:


2.2. Poznat mije sljedeći primjer. Prsni promjer staNe
prave nam problema stvari koje ne znamo.


bala u sastojini raste sa starošću. t testom je ispitana sig-
Problemi nastaju zbog onoga što mislimo da znamo. nifikantnost razlika u srednjoj vrijednosti debljine sasPrateći
stručne i znanstvene radove, uočili smo iztojine,
te je ustanovljeno da razlike postoje između svavanredno
velik broj neodgovarajućih statističkih modeke
godine, a nakon 15 godine više nema signifikantnih
la, odnosno netočnih interpretacija statističkih rezultarazlika.
Takvo testiranje je besmisleno, jer pojam signita.
Ovdje ćemo se osvrnuti na neke od njih. fikantno nije statistički već je stvar instrumenta kojim
se mjeri, preciznosti kojom se mjeri i stvar dogovora


Pedesetih i šezdesetih godina razvojem inferencijal


što se smatra bitnim, a ne smatra nebitnim.


ne statistike stvorio se stav da SVE što se dokazuje mora
se dokazati pomoću statistike. Čak i ugledni časopisi 2.3. U namjeri da se izrade norme za procjenu vrenisu
primali radove gdje rezultati nisu bili potkrijepljemena
obaranja stabla i izradu sortimenata u različitim
ni statističkom obradom podataka. uvjetima, znanstvenik je potražio savjet matematičara.


Matematičar (statističar) je izračunao daje za to istraži


Vrlo se često u izvještajima i recenzijama moglo pro


vanje potrebno posjeći 150 000 stabala kako bi se do


čitati da "su rezultati analizirani (obrađeni) modernim


bila tražena preciznost i zadovoljavajuća pouzdanost.


metodama statistike", stoje radu davalo na vrijednosti.


Naravno da ga znanstvenik nije mogao poslušati, jer bi
Iskustvo je međutim pokazalo da statistika nije


takav pokus potrajao predugo i bio preskup. Glavni isDeux
ex machina koja rješava probleme i donosi odlu


traživač se odlučio na nepoštivanje statističkih pravila i
ke. Odluka, odnosno kada se radi o istraživanjima bolje izradio norme, svjestan da nisu savršene. One su u dijeje
kazati "stav", uvijek je subjektivan, a može se temelovima
naknadno bile ispravljene, no rezultati su bili
ljiti na statistici. zadovoljavajući.


Navedimo primjere: 2.4. Jedna od zabluda o statistici jest kako ona daje


2.1. Opće je poznata činjenica da u ponedjeljak ima (omogućava) objektivne zaključake. Međutim zakljuviše
nesreća na radu nego u bilo koji drugi dan u tjednu. čak znanstvenika izveden iz statističkih analiza uvijek
Poznati su i razlozi za to. Namjera da statističkim tesje
subjektivan i ovisi o prethodnom znanju.


ŠUMARSKI LIST 9-10/1997 str. 44     <-- 44 -->        PDF

V. Hitrec : STOIIASTIKA U ZNANSTVENIM ISTRAŽIVANJIMA
Šumarski lis! br. 9-10. CXX1 (1997). 499-505
Ta se činjenica može usporediti sa zaključcima koje
će donijeti različiti liječnici promatrajući objektivne analize
obavljene na pacijentu.


Promotrimo primjer:


Testirajmo hipotezu o jednakosti proporcija ozlijeđenih
radnika pri dvije različite metode rada:


Označimo li proporciju ozljeda pri metodi rada A s
PA odnosno pri metodi rada B s PB, tada ćemo testirati
hipotezu


=


Ho : PA Pß prema alternativi
H, : PA * PB


Tablica 1. Različitosti prethodnoga stanovišta, mogući statistički rezultati te mogući zaključci
Tablica 1. Moguća prethodna stajališta, mogući statistički rezultati, te mogući zaključci
Table 1. The possibilities of our previous standpoint, the possible statistical results, and our possible conclusions.


Kritična razina testa
The critical test level


PRETHODNO STANOVIŠTE
OUR PREVIOUS STANDPOINT


1.
Nemamo prethodnih znanja
We have no former knowledge
2.
Smatram da je H0 istinita
The truthfulness of H0 is
believed in
3.
Ne vjeruje se u H0
HA is not believed in
a
= 0,08


Teško bih odbacio H0
I would hardly reject H0


Ne bih odbacio H0
I would not reject H0


Dečki, evo i mene
Guys, here I am!


Ovdje svakako treba upozoriti na izvanredan VVarrenov
rad (1988 ) pod naslovom Star Games, u kojemu
on upozorava na tu igru sa zvjezdicama. Ja bih tomu
dodao da bi papkari (koji imaju četiri prsta) s četiri prsta
donosili potpuno druge odluke o signifikantnosti, jer


a
= 0,05


Odbacio bih i posumnjao u H0
I would reject it
or have doubts about H0
Postoji sumnja u H0
Nevoljko bih odbacio H0
I have doubts about H0
I reject H0 with displeasure
Odlično, i ja sam dobio isto!
Great, I have got the same!


im kritične vrijednosti ne bi bile temeljene na djeljiteljima
broja 10 (prstiju na ruci)


Završimo ovo razmatranje citatom Henri Theila,
koji navodi Wannacot: Modeli su zato da se upotrebljavaju,
a ne da im se vjeruje.


3. Pogreške u uporabi statistike - Mistakes in using statistics
Navest ćemo neke od najčešćih pogrešnih upotreba
statističkih metoda.


3.1. Pogrešno postavljanje hipoteza - Wrong hipothesis
Promotrimo primjer iz jedne zbirke zadataka. Potrebno
je testirati hipotezu je li a2 = 1,5 ili je G2 = 3 (tertium
non datur). Uzorak od 25 elemenata dao je varijancu
uzorka s2 = 2. U rješenju zadatka stoji:


Postavimo li H0 : o2 = 1,5 prema H, : a2 = 3, yj test
upućuje na prihvaćanje nul-hipoteze.


Stavimo li obratno H0 : a2 = 3 prema H, : o2 = 1,5 ,
nul-hipoteza se opet prihvaća. Na ovaj, na prvi pogled
apsurd, upozorili su studenti na vježbama.


Problem je u nedefiniranom zadatku. U zadatku
naime nije istaknuto u što se vjeruje: da li u a2 = 1,5 ili u
a2 = 3. Nadalje, nije jasno je li autor zadatka imao na
umu da nikada kao nul hipoteza ne stavlja tvrdnja u koju
se ne vjeruje.


3.2. Nepotpune informacije i tvrdnje - Incomplet informations
and assertions
U istraživanjima nije dovoljno informativno upotrebljavati
nazive signifikantno, nesignifikantno i visoko
signifikantno, odnosno rezultatima pridruživati zvjezdice.
O tome je već bilo ovdje govora.


Primjer a. Još se i danas nailazi na slučajeve da se
kao informacija daju samo zvjezdice. Čitatelju u tom
slučaju nije poznato jesu li dvije zvijezdice (**) napisa




ŠUMARSKI LIST 9-10/1997 str. 45     <-- 45 -->        PDF

V. Hitrec : STOHASTIKA U ZNANSTVENIM ISTRAŽIVANJIMA Šumarski list br. 9-10. CXXI (1997). 499-505
ne zbog rezultata u = 1,97, ili npr. u = 2,50 odnosno jeddna
takva tablica. Priložena tablica još je manje inforna
zvijezdica (*) zbog vrijednosti u = 1,66 ili u = 1,95. mativna, jer u njoj nije navedeno što autor smatra signiOčito
da i u primjeru s dvije zvjezdice i u primjeru s fikantnim, a što nesignifikantnim. Tablica sadrži 37 rejednom
zvjezdicom obje moguće vrijednosti varijable daka takvih informacija koje su bez komentara malo
u nisu jednako značajne. Za ilustraciju je priložena jekorisne.


Tablica 2. Rezultati istraživanja razlika između nekih mjernih svojstva četinjača


Table 2. Results of the research on the differences between some physical easurement of corniferous


Uzorak - uzorak Gustoća u normiranom suhom stanju Obujamno istezanje
Sample - sample Volume mass in standard dry condition Volume shrinkage
K1-K4 signif. not
K1-K5 not signif.
K.l-Kl-5 not signif.
K2-K3 signif. not
K2-K4 signif. not
K2-K5 not not
K2-K1-5 signif. not
K3-K4 not not
K3-K5 signif. not


Primjer b. Informacija: r = 0,1 je signifikantan na razini
5%, odnosno r = 0.8 nije signifikantan, može biti
krivo shvaćena ako nije naveden broj mjerenja i ako nije
pridružena odgovarajuća slika.
OS Y
2A
r=0.1
"significant"
at level 5%
n>400


OS X


OS Y


2B
r=0.8


"not significant´
at level 5%
n = 400


OS X


Slika 2. Signifikantna, ali nekorisna korelacija (2A) i nesignifikantna, ali korisna korelacija (2B)
Fig. 2. Significant but useless (2A), and not significant but useful (2B) correlation




ŠUMARSKI LIST 9-10/1997 str. 46     <-- 46 -->        PDF

V. Hitrec : STOHASTIKA U ZNANSTVENIM ISTRAŽIVANJIMA
Signifikantnost koeficijenta korelacije na slici 2A
potpuno je nekorisna, dok slika 2B upućuje na znatnu korelaciju
koja nije dokazana zbog malog broja podataka.


3.3. Nekorisno izjednačavanje podataka - Unusable regressions
lines
Kada na sljedeće dvije slike ne bi bilo originalnih
podataka, čitatelj bi mogao doći u zabludu daje mogu


WORKING YEAR


32
32
OŠTEĆENJA SLUHA


y=-1.21 5+0.01 - 0.003 dob.2


27 i


DAMAGED HEARING


23
18


15


11


6


2


1


6 12 18 24 30 36 42 48 54 60


Dob (god.)
Age


Šumarski list br. 9-10, CXXI {1997). 499-505


će procijeniti staž radnika ako su poznate njegove godine
i ako ima oštećeni sluh, odnosno staž radnika ako je
poznata njegova starosna dob i ako ima vazoneurozu.
Slike pokazuju daje to nemoguće, iako su vjerojatno
oba koeficijenta korelacije signifikantna i premda su
priložene jednadžbe za takvu procjenu.


WORKING
30 VAZONEUROZA
26 y=-41.529+2.186
23 AZO.S´EUROSES
19
16
12
9
5
2


23 26 31 34 38 42 46 50 53 57 61


Dob (god.)
Age


Slika 3. Nekorisno uklapanje krivulja.
Fig. 3. Useless curve fitting


Sljedeće slike pokazuju potpunu nekritičnost istraživaca
prema dobivenim rezultatima, jer je vjerovaostatističkom paketu u računalu. Nevjerojatne su u stvar


/\


I


i


/yr

! i \


/ / \
i/ \ \
i


I


SS 70 75 80 i


ftaisxxtaQuality structure per diameter class
Grafikon 2. Kvalitetna struktura po debljinskim stupnjevima


nosti i neobjašnjive nagle promjene nagiba krivulja,
Razlog takvim rezultatima naravno leži u previsokom
stupnju odabranog polinoma.


////


\L


/


/


-~-^X


f /


/ /


/ /


/ /


/ /
/´ / / Il
/ / / ,.-


I,.F-K-»


/´ / ugmM


. Ijtl,.»
I,´IiIflj-S«
Ij´Il-^


// / it.l5. otpori


´ It´


f It/


70 7St »/
Total quality structure per diameter degree
Grafikon 3. Sumarna kvalitetna struktura po debljinskim
stupnjevima


Slika 4. Primjer neprikladnog uklapanja krivulja
Fig. 4. An exmple of inadequate curve fitting




ŠUMARSKI LIST 9-10/1997 str. 47     <-- 47 -->        PDF

V. Hitrec : STOHASTIKA U ZNANSTVENIM ISTRAŽIVANJIMA Šumarski list br. 9-10, CXXI (1997), 499-505
Uvijek se mora imati na umu da se modelira pojava
a ne skup točaka.


4. Ova bih razmatranja završio jednom misli i jednim
upozorenjem.
4.1. Ne upotrebljavajmo složene modele jer su nesigurni,
nepraktični, netočni i skupi.
4.2. Ne oslanjajmo se na gotove statističke pakete u
računalima, ako nam nisu poznati temelji statističkoga
(stohastičkoga) načina razmišljanja.


4.3. Warren je svoj, ovdje nekoliko puta citiran rad
nazvao: Statistika: razum ili ritual. Mislim da nam je to
odlična pouka. Nemojmo koristiti statistiku ritualno,
već Cum grano salis. (hrv. Sa zrnom soli odnosno S
malo mozga)
LITERATURA - References


Host, E. G., 1988: Causal Models, Empirical Data, Tomanić ,S., V. Hitrec & V. Vondra: Sistem
and Brief Philosophy of Science. IUFRO S6.02 određivanja radnog vremena sječe i izrade drva.
Newsletter No. 16, str. Monografija, Liber, Zagreb, 1978, str. 1-443.


Hitrec , V. ,1989: Deterministic, Stohastic, ExplanaWarren
, W. G., 1988: Empirical and Explanatory motory
and Empirical Models. IUFRO Newsletter dels: A comment IUFRO S6.o2 Newsletter No.
S6.02,Nol8,str. 1, str.


McRoberts , E. M., 1988: In Defens of Empirical Warren , W. G., 1988: On the presentation of StatistiModels.
IUFRO S6.02 No. 16, str. cal Analysis: Reason or Ritual. Can. J. For. Res.


Oderwald , G. R. ,1988: More "Comparing Empiri16.(
1185-1191)
cal and Explanatory Models". IUFRO S&.02 Warren , W. G. ,1988: Star Games. IUFRO S6.02
Newsletter No .12, str. Newsletter No. 17, str.


Rauscher, H. M. 1987: Comparing Empirical and Wannacott, T.&R. Wannacott, 1990: IntroductoExplanatory
Models. IUFRO Newsletter No. ? ry Statistics for Buisness and Economics, John


Rauscher , H. M. 1988: Comparing Empirical and Wiley and Sons pp.
Explanatory Models Revisited. IUFRO Newsletter
S6.02, No 16, str.


SUMMARY: Scientific research in the field of forestry is mainly stochastics, requiring
the use od stochastic models, i.e. the method of inferential statistics. Hardly any
theories are available, though in some fields they occured and were studied (Raucher
1980). The paper deals with the problem encountered by the researchers dealing with
living organisms, particularly with their activities. Such work (applicative) is compared
with the so coled fundamental research resulting in theories. Stochastics, deterministics,
empirical, i.e. explanatora models are accordingly discussed. This part of
the studies was aroused by Raucher (1987) and a discussion within the IUFRO Group
S6.02. The second part of the paper is a short mommentary on the misinterpretations
about statistics as an aid in making decisions. Statistics is frequently regarded as indispensable,
overpowering, objectiv and accurate. In many cases the results yielding
obvious conclusions are encumbering with unnecessary statistical "evidence". It
sometimes happens that an evident hypothesis is rejected if refused by statistical test. It
is frequently forgotten that the inferencial statistics is based on a great number of conditions
which have not always been fulfilled. On the other hand, the conditions are
sometimes aproached too rigorously. The autor thinks that the use of statistics by being
aware that "we are not doing quite correctly " is less hazardous than the use of the correct
procedure which we do not understand (here is the emphasis on the problems of
statistical packages). The autor points out the idea (Warren 1986) that our conclusions
are always subjective. Another misunderstanding is the opinion that statistics can
prove opinion and hypotheses. The third par illustrates inadequate use of mathematical
statistics with example which are in the authors opinon still presentin literature,
though quite some time has passed since the first warnings known to the author (Utts
1986, Warren 1987). Significantly, with computers playing a major part in it, the same
analysis of the same data will not always give the same results.