Hesaplanan Sonuçlarda Standard Sapma sayfasının kaynağını görüntüle

<span id="analitik-verilerin-değerlendirilmesi-hesaplanan-sonuçlarda-standart-sapma"></span>
= Analitik Verilerin Değerlendirilmesi: Hesaplanan Sonuçlarda Standart Sapma =

-----

Deneysel ölçümler, doğası gereği belirli bir dağılım aralığında gerçekleşir. Hiçbir ölçüm, mutlak bir kesinlikte yinelenebilir değildir; enstrümanın sınırlılıkları, çevresel koşulların değişkenliği ve gözlemci kaynaklı farklılıklar, elde edilen her değerde kaçınılmaz bir yayılma meydana getirir. Analitik kimyada standart sapma, bu yayılmanın matematiksel olarak ifade edilmesinde başvurulan temel istatistiksel büyüklüktür. Ancak bu tanım, nihai analitik sonucun tek bir ölçümden değil, birden fazla bağımsız değişkeni içeren hesaplamalardan türetildiği durumlar için yeterli kalmaz. Bu durumlarda, her bağımsız değişkene ait belirsizliğin, hesaplanan sonuca nasıl yansıdığının ayrıca belirlenmesi zorunlu hale gelir; bu gereklilik, hata yayılımı (propagation of uncertainty) ilkesinin temelini oluşturur.<ref>Harvey, D. (2016). ''Analytical Chemistry 2.1'' (4th ed.). LibreTexts Chemistry. Propagation of Uncertainty. https://chem.libretexts.org/Bookshelves/Analytical_Chemistry/Analytical_Chemistry_2.1_(Harvey)/04:_Evaluating_Analytical_Data/4.03:_Propagation_of_Uncertainty</ref>

-----

<span id="temel-kavramlar-standart-sapma-varyans-ve-dağılım"></span>
== 1. Temel Kavramlar: Standart Sapma, Varyans ve Dağılım ==

<span id="standart-sapma-ve-varyansın-matematiksel-tanımı"></span>
=== 1.1 Standart Sapma ve Varyansın Matematiksel Tanımı ===

Bir <math display="inline">n</math> ölçümden oluşan veri kümesinde, aritmetik ortalama şöyle tanımlanır:

<math display="block">
\bar{x} = \frac{1}{n} \sum_{i=1}^{n} x_i
</math>

Örnek standart sapması <math display="inline">s</math>, bu ortalama etrafındaki yayılmayı ölçen büyüklüktür:

<math display="block">
s = \sqrt{\frac{\sum_{i=1}^{n}(x_i - \bar{x})^2}{n-1}}
</math>

Paydadaki <math display="inline">(n-1)</math> terimi, Bessel düzeltmesi olarak bilinir; popülasyon standart sapmasının örnekten tahmin edilmesinde sapmasız bir kestirim elde edilmesini sağlar. Varyans ise standart sapmanın karesidir: <math display="inline">s^2</math>. Standart sapma, ortalama ile aynı birimi taşıdığı için deneysel raporlamada tercih edilirken, varyans matematiksel türetmelerde daha elverişlidir.<ref>Harvey, D. (2016). ''Analytical Chemistry 2.1''. LibreTexts Chemistry. Characterizing Measurements and Results. https://chem.libretexts.org/Bookshelves/Analytical_Chemistry/Analytical_Chemistry_2.1_(Harvey)/04:_Evaluating_Analytical_Data/4.01:_Characterizing_Measurements_and_Results</ref>

<span id="popülasyon-ve-örnek-standart-sapması-ayrımı"></span>
=== 1.2 Popülasyon ve Örnek Standart Sapması Ayrımı ===

Analitik kimyada pratikte tüm popülasyon nadiren ölçülebilir; bunun yerine sınırlı sayıda tekrar ölçümden oluşan bir örnek üzerinde çalışılır. Bu nedenle iki farklı standart sapma kavramı işlevsel bir ayrım taşır:

* '''Popülasyon standart sapması''' <math display="inline">\sigma</math>: Tüm olası ölçümleri temsil eden teorik büyüklük; <math display="inline">(N)</math> ile bölünür.
* '''Örnek standart sapması''' <math display="inline">s</math>: Gerçek laboratuvar ölçümlerinden elde edilen kestirim; <math display="inline">(n-1)</math> ile bölünür.

<math display="inline">n</math> büyüdükçe <math display="inline">s \rightarrow \sigma</math> olmakta; küçük örneklem boyutlarında ise <math display="inline">s</math> ile <math display="inline">\sigma</math> arasındaki fark önem kazanmaktadır.<ref>Kaliyadan, F., &amp; Kulkarni, V. (2024, November 25). Standard deviation. In ''StatPearls'' [Internet]. StatPearls Publishing. https://www.ncbi.nlm.nih.gov/books/NBK574574/</ref>

<span id="gauss-normal-dağılımı-ve-merkezi-limit-teoremi"></span>
=== 1.3 Gauss (Normal) Dağılımı ve Merkezi Limit Teoremi ===

Çok sayıda bağımsız rastgele değişkenin etkisi altında oluşan ölçümler, yeterince büyük örneklem boyutlarında Gauss (normal) dağılımına yakınsar. Bu yakınsama, merkezi limit teoreminin bir sonucudur: Ölçüm sonucunu eş zamanlı etkileyen belirsizlik kaynaklarının sayısı arttıkça, sonucun dağılımı dağılım fonksiyonlarından bağımsız olarak normal dağılıma yaklaşır; bu yakınsama pratikte yalnızca 3–5 önemli katkı kaynağı mevcutken bile gerçekleşebilir.<ref>Leito, I., &amp; Jalukse, L. (2023). ''Estimation of measurement uncertainty in chemical analysis'' (Course materials). University of Tartu. Normal Distribution. https://sisu.ut.ee/measurement/31-normal-distribution/</ref>

Normal dağılımın matematiksel ifadesi:

<math display="block">
f(x) = \frac{1}{\sigma\sqrt{2\pi}} \exp\!\left(-\frac{(x-\mu)^2}{2\sigma^2}\right)
</math>

Bu dağılımın önemli bir özelliği, verilerin <math display="inline">\mu \pm \sigma</math> aralığına yaklaşık %68,3’ünün, <math display="inline">\mu \pm 2\sigma</math> aralığına %95,5’inin ve <math display="inline">\mu \pm 3\sigma</math> aralığına %99,7’sinin düştüğüdür. Analitik kimyada güven aralıklarının ve tespit sınırlarının hesaplanmasında bu özellik temel referans noktası olarak kullanılır.<ref>Hogan, R. (2024, March 8). Probability distributions for measurement uncertainty. ''ISO Budgets''. https://www.isobudgets.com/probability-distributions-for-measurement-uncertainty/</ref>

<span id="bağıl-standart-sapma-rsd-ve-varyasyon-katsayısı-cv"></span>
=== 1.4 Bağıl Standart Sapma (RSD) ve Varyasyon Katsayısı (CV) ===

Standart sapmanın büyüklükle birlikte ölçeklendiği durumlarda, mutlak standart sapma yerine bağıl standart sapma (relative standard deviation, RSD) ya da varyasyon katsayısı (CV) kullanılır:

<math display="block">
\%\text{RSD} = \frac{s}{\bar{x}} \times 100
</math>

Bu büyüklük birimsizdir ve farklı büyüklük düzeyindeki yöntemlerin kesinliğini karşılaştırmayı kolaylaştırır. ICH Q2(R2) rehberi gibi düzenleyici belgeler, analitik yöntem doğrulama çalışmalarında kesinlik kriterini %RSD cinsinden ifade eder.<ref>ICH. (2023). ''ICH guideline Q2(R2) on validation of analytical procedures''. European Medicines Agency. https://www.ema.europa.eu/en/documents/scientific-guideline/ich-guideline-q2r2-validation-analytical-procedures-step-2b_en.pdf</ref>

-----

<span id="hesaplanan-sonuçlarda-hata-yayılımı"></span>
== 2. Hesaplanan Sonuçlarda Hata Yayılımı ==

<span id="hata-yayılımının-teorik-temeli"></span>
=== 2.1 Hata Yayılımının Teorik Temeli ===

Analitik kimyada sonuç <math display="inline">R</math>, çoğunlukla birden fazla ölçüm büyüklüğünün bir işlevi olarak hesaplanır: <math display="inline">R = f(A, B, C, \ldots)</math>. Bu büyüklüklerin her birinin standart belirsizlikleri <math display="inline">u_A</math>, <math display="inline">u_B</math>, <math display="inline">u_C</math> mevcutsa, bileşik belirsizlik <math display="inline">u_R</math>, kısmi türevler aracılığıyla propagasyonla elde edilir.<ref>Skoog, D. A., Holler, F. J., &amp; Crouch, S. R. (2018). ''Principles of Instrumental Analysis'' (7th ed.). Cengage Learning.</ref>

Kesin hata yayılımı formülü:

<math display="block">
\sigma_R^2 = \left(\frac{\partial R}{\partial A}\right)^2 \sigma_A^2 + \left(\frac{\partial R}{\partial B}\right)^2 \sigma_B^2 + \left(\frac{\partial R}{\partial C}\right)^2 \sigma_C^2 + \cdots
</math>

Bu ifade, bağımsız ve tesadüfi hataların varlığını varsayar; çapraz terimler sıfıra yakınsar. Büyüklükler arasında korelasyon bulunduğunda ise çapraz terimler ihmal edilemez.<ref>O’Haver, T. C. (2015). ''Propagation of error in analytical calibration methods''. University of Maryland. https://terpconnect.umd.edu/~toh/models/Bracket.html</ref>

<span id="toplama-ve-çıkarma-işlemlerinde-yayılım"></span>
=== 2.2 Toplama ve Çıkarma İşlemlerinde Yayılım ===

<math display="inline">R = A + B</math> veya <math display="inline">R = A - B</math> biçimindeki işlemlerde mutlak standart belirsizlikler karelerinin toplamının kareköküyle birleştirilir:

<math display="block">
u_R = \sqrt{u_A^2 + u_B^2}
</math>

Örneğin bir analitik konsantrasyon hesaplamasında <math display="inline">C_A = (S_{\text{total}} - S_{\text{mb}})/k_A</math> ifadesi mevcutsa, payın belirsizliği önce bu kural ile hesaplanır:

<math display="block">
u_{(S_{\text{total}}-S_{\text{mb}})} = \sqrt{u_{S_{\text{total}}}^2 + u_{S_{\text{mb}}}^2}
</math>

<math display="inline">S_{\text{total}} = 24{,}37 \pm 0{,}02</math> ve <math display="inline">S_{\text{mb}} = 0{,}96 \pm 0{,}02</math> için:

<math display="block">
u_{\text{pay}} = \sqrt{(0{,}02)^2 + (0{,}02)^2} = 0{,}028
</math>

Yani pay <math display="inline">23{,}41 \pm 0{,}028</math> olarak ifade edilir.<ref>Harvey, D. (2016). ''Analytical Chemistry 2.1'' (4th ed.). LibreTexts Chemistry. Propagation of Uncertainty. https://chem.libretexts.org/Bookshelves/Analytical_Chemistry/Analytical_Chemistry_2.1_(Harvey)/04:_Evaluating_Analytical_Data/4.03:_Propagation_of_Uncertainty</ref>

<span id="çarpma-ve-bölme-işlemlerinde-yayılım"></span>
=== 2.3 Çarpma ve Bölme İşlemlerinde Yayılım ===

<math display="inline">R = A \times B</math> veya <math display="inline">R = A/B</math> biçimindeki işlemlerde göreli standart belirsizlikler kullanılır:

<math display="block">
\frac{u_R}{R} = \sqrt{\left(\frac{u_A}{A}\right)^2 + \left(\frac{u_B}{B}\right)^2}
</math>

Önceki örnek üzerinden, <math display="inline">k_A = 0{,}186 \pm 0{,}003\ \text{ppm}^{-1}</math> verilmişken:

<math display="block">
\frac{u_{C_A}}{C_A} = \sqrt{\left(\frac{0{,}028}{23{,}41}\right)^2 + \left(\frac{0{,}003}{0{,}186}\right)^2} = 0{,}0162
</math>

Analitik konsantrasyondaki mutlak belirsizlik: <math display="inline">u_{C_A} = 0{,}0162 \times 125{,}9\ \text{ppm} \approx 2\ \text{ppm}</math>. Sonuç: <math display="inline">C_A = 126 \pm 2\ \text{ppm}</math>.<ref>Harvey, D. (2016). ''Analytical Chemistry 2.1'' (4th ed.). LibreTexts Chemistry. Propagation of Uncertainty. https://chem.libretexts.org/Bookshelves/Analytical_Chemistry/Analytical_Chemistry_2.1_(Harvey)/04:_Evaluating_Analytical_Data/4.03:_Propagation_of_Uncertainty</ref>

<span id="logaritmik-ve-üstel-ifadelerde-yayılım"></span>
=== 2.4 Logaritmik ve Üstel İfadelerde Yayılım ===

UV-Vis spektrofotometride Lambert–Beer yasası <math display="inline">A = \varepsilon b C</math> biçiminde ifade edilir. Molar absorptivite <math display="inline">\varepsilon</math>’nın belirsizliği, hem <math display="inline">A</math>’nın hem de <math display="inline">C</math>’nin ölçüm belirsizliklerini içeren bir türevle elde edilir.<ref>Wenzel, T. J. (2023). Beer’s Law. In ''Molecular and Atomic Spectroscopy''. LibreTexts. https://chem.libretexts.org/Bookshelves/Analytical_Chemistry/Molecular_and_Atomic_Spectroscopy_(Wenzel)/1:_General_Background_on_Molecular_Spectroscopy/1.2:_Beers_Law</ref> Benzer biçimde, logaritmik işlemlerde örneğin <math display="inline">R = \ln(A)</math> ise:

<math display="block">
u_R = \frac{u_A}{A}
</math>

Bu formüller, spektrofotometrik, elektrometrik ve kromatografik yöntemlerin tamamında elde edilen nihai konsantrasyon değerlerinin belirsizlik bütçesinin oluşturulmasında kullanılır.

<span id="tolerans-aralıklarından-standart-sapma-kestirimi"></span>
=== 2.5 Tolerans Aralıklarından Standart Sapma Kestirimi ===

Laboratuvar camı ve enstrümanlar için üreticiler genellikle standart sapma yerine tolerans aralığı (<math display="inline">\pm x</math>) belirtir. Bu aralıktan standart sapma kestirimi üç dağılım varsayımı altında yapılabilir:<ref>Harvey, D. (2025). ''Analytical Chemistry 2.1''. LibreTexts. Propagation of Uncertainty (Appendix). https://chem.libretexts.org/Bookshelves/Analytical_Chemistry/Analytical_Chemistry_2.1_(Harvey)/16:_Appendix/16.02:_Propagation_of_Uncertainty</ref>

{| class="wikitable"
|-
! Dağılım Modeli
! Standart Sapma Kestirimi
|-
| Düzgün (Uniform) Dağılım
| <math display="inline">s = x/\sqrt{3}</math>
|-
| Üçgen (Triangular) Dağılım
| <math display="inline">s = x/\sqrt{6}</math>
|-
| Normal (Gaussian) Dağılım
| <math display="inline">s = x/k</math> (k: kapsam faktörü)
|}

En tutucu kestirim düzgün dağılımdan elde edilir; merkezdeki değerlerin daha olası olduğu durumlarda üçgen dağılım tercih edilir.

-----

<span id="analitik-uygulamalar-kalibrasyondan-yöntem-doğrulamaya"></span>
== 3. Analitik Uygulamalar: Kalibrasyondan Yöntem Doğrulamaya ==

<span id="kalibrasyon-eğrisinden-elde-edilen-sonuçların-belirsizliği"></span>
=== 3.1 Kalibrasyon Eğrisinden Elde Edilen Sonuçların Belirsizliği ===

Doğrusal kalibrasyon eğrisinden <math display="inline">y = mx + b</math> analizci konsantrasyonu hesaplandığında, basit hata yayılımı yeterli değildir. Analitik konsantrasyonun standart sapması <math display="inline">s_{C_A}</math> şu biçimde ifade edilir:<ref>Duke University CHEM 401L. (2025). Uncertainty in values determined from a calibration curve. ''Analytical Chemistry Lab Manual''. https://chem.libretexts.org/Courses/Duke_University/CHEM_401L</ref>

<math display="block">
s_{C_A} = \frac{s_r}{m} \sqrt{\frac{1}{p} + \frac{1}{n} + \frac{(\bar{S}_{\text{samp}} - \bar{S}_{\text{std}})^2}{m^2 \sum_{i=1}^{n}(C_{\text{std}_i} - \bar{C}_{\text{std}})^2}}
</math>

Burada <math display="inline">s_r</math> regresyon standart sapması, <math display="inline">p</math> tekrar ölçüm sayısı, <math display="inline">n</math> kalibrasyon standardı sayısı, <math display="inline">\bar{S}_{\text{samp}}</math> örneğin ortalama sinyali ve <math display="inline">\bar{S}_{\text{std}}</math> standartların ortalama sinyalidir. Bu formül üç kritik bilgiyi entegre eder: (1) eğrinin regresyon belirsizliği, (2) tekrar ölçüm sayısının etkisi ve (3) numune sinyalinin ortalama standart sinyalinden uzaklığı. Numune sinyal değeri ortalama standart sinyaline ne kadar yakınsa hesaplanan konsantrasyonun belirsizliği o kadar küçük olur.

<span id="yöntem-doğrulamada-kesinlik-kriterleri"></span>
=== 3.2 Yöntem Doğrulamada Kesinlik Kriterleri ===

ICH Q2(R2) (2023) rehberine göre analitik yöntem doğrulamasında kesinlik üç düzeyde değerlendirilir:<ref>ICH. (2023). ''ICH guideline Q2(R2) on validation of analytical procedures''. European Medicines Agency. https://www.ema.europa.eu/en/documents/scientific-guideline/ich-guideline-q2r2-validation-analytical-procedures-step-2b_en.pdf</ref>

# '''Tekrarlanabilirlik (Repeatability):''' Aynı analist, aynı ekipman, aynı gün.
# '''Ara kesinlik (Intermediate Precision):''' Farklı analistler, ekipmanlar, günler; laboratuvar içi yeniden üretilebilirlik.
# '''Yeniden üretilebilirlik (Reproducibility):''' Farklı laboratuvarlar arası karşılaştırma.

Her düzey için kesinlik %RSD cinsinden ifade edilir. Farmakolojik assay çalışmaları için genel kabul kriteri %RSD ≤ 2’dir. Çevre analizi ve iz elementlerin tayininde ise Horwitz eşitliği ile beklenen %RSD değeri belirlenir:<ref>Singh, R. H., &amp; Singh, H. P. (2025). Analytical method validation. ''Chemistry Research Journal'', ''10''(4), 140–143.</ref>

<math display="block">
\%\text{RSD}_R = 2^{(1 - 0{,}5\log C)}
</math>

Burada <math display="inline">C</math> analitlerin kütle kesri cinsinden konsantrasyonudur. Bu eşitlik, konsantrasyon azaldıkça izin verilen yayılmanın arttığını gösterir; <math display="inline">C = 10^{-6}</math> (1 ppm) düzeyinde beklenen %RSD yaklaşık 16 olurken, <math display="inline">C = 10^{-9}</math> (1 ppb) düzeyinde bu değer 45’e yükselir.

<span id="hesaplanan-belirsizliğin-deneysel-standart-sapmayla-karşılaştırılması"></span>
=== 3.3 Hesaplanan Belirsizliğin Deneysel Standart Sapmayla Karşılaştırılması ===

Hata yayılımı hesaplaması yalnızca nihai sonucun belirsizliğini kestirmekle kalmaz; yöntemin kontrol altında olup olmadığının da göstergesi olarak kullanılır. Örneğin, her birinde <math display="inline">\pm 0{,}001\ \text{g}</math> belirsizlik bulunan iki kütle ölçümünden elde edilen taramalı kütlenin teorik belirsizliği:<ref>Harvey, D. (2016). ''Analytical Chemistry 2.1'' (4th ed.). LibreTexts Chemistry. Propagation of Uncertainty. https://chem.libretexts.org/Bookshelves/Analytical_Chemistry/Analytical_Chemistry_2.1_(Harvey)/04:_Evaluating_Analytical_Data/4.03:_Propagation_of_Uncertainty</ref>

<math display="block">
u_R = \sqrt{(0{,}001)^2 + (0{,}001)^2} = 0{,}0014\ \text{g}
</math>

Aynı numunenin birden fazla ölçümünden elde edilen deneysel standart sapma <math display="inline">s = \pm 0{,}050\ \text{g}</math> ise bu, teorik kestirimin çok üzerindedir ve ölçüm sürecinin kontrolden çıktığına işaret eder. Bu karşılaştırma yöntemi, kalite kontrol laboratuvarlarında sistematik hata kaynaklarının erken tespitinde kullanılmaktadır.

<span id="metabolomik-ve-biyoanalitik-çalışmalarda-varyans-bileşenleri"></span>
=== 3.4 Metabolomik ve Biyoanalitik Çalışmalarda Varyans Bileşenleri ===

Metabolomik gibi karmaşık analitik platformlarda varyansın iki temel kaynağı bulunur: biyolojik varyans ve analitik varyans. Biyolojik varyans, aynı türden örnekler arasındaki doğal farklılıkları yansıtırken; analitik varyans, aynı örnekten yapılan tekrar ölçümlerdeki teknik dağılımı ifade eder. Çoğu durumda biyolojik varyans analitik varyanstan belirgin biçimde büyüktür; bu nedenle biyolojik örnekler üzerinde hesaplanan standart sapma, yöntemin tekrarlanabilirliğini değil, analitin biyolojik değişkenliğini yansıtır.<ref>Oresic, M., &amp; Vidal-Puig, A. (2013). Error analysis and propagation in metabolomics data analysis. ''PMC'', PMC3647477. https://pmc.ncbi.nlm.nih.gov/articles/PMC3647477/</ref>

Sistematik hata (bias), tekrar ölçümle tespit edilemeyen bir belirsizlik türüdür ve varyansı değil, ölçüm ortalama değerini etkiler. Bu nedenle yöntem doğrulamada kesinlik (precision) ve doğruluk (accuracy/trueness) birbirinden bağımsız olarak değerlendirilir; standart sapma yalnızca birincisinin ölçütüdür.

-----

<span id="güncel-araştırmalardan-bulgular"></span>
== 4. Güncel Araştırmalardan Bulgular ==

<span id="lineer-regresyon-kalibrasyonunda-metodolojik-tartışmalar"></span>
=== 4.1 Lineer Regresyon Kalibrasyonunda Metodolojik Tartışmalar ===

Aboal-Somoza ve Crujeiras (2024), ''Journal of Chemical Education''’da yayımlanan çalışmalarında, Beer-Lambert yasasının analitik kalibrasyonda yaygın biçimde yanlış uygulandığını göstermiştir. Klasik kalibrasyon (konsantrasyon bağımsız değişken, absorbans bağımlı değişken) yerine, konsantrasyonun absorbansdan tahmin edilmesi için ters regresyon (inverse regression) kullanımının öngörme hataları açısından daha uygun olduğu savunulmaktadır. Bu metodolojik ayrım, hesaplanan konsantrasyondaki standart sapmayı doğrudan etkiler; hatalı regresyon yönü seçimi, gerçek belirsizliği olduğundan büyük ya da küçük gösterebilmektedir.<ref>Aboal-Somoza, M., &amp; Crujeiras, R. (2024). Misuse of linear regression technique in analytical chemistry? ''Journal of Chemical Education'', ''101''(3), 1062–1070. https://doi.org/10.1021/acs.jchemed.3c01042</ref>

<span id="ich-q2r2-güncellemesi-ve-çok-değişkenli-analitik-yöntemlere-uyum"></span>
=== 4.2 ICH Q2(R2) Güncellemesi ve Çok Değişkenli Analitik Yöntemlere Uyum ===

2023 yılında yürürlüğe giren ICH Q2(R2) ve Q14 rehberleri, tek değişkenli ve çok değişkenli analitik prosedürlerin doğrulama çerçevesini yeniden yapılandırmıştır. Çok değişkenli yöntemlerde (örneğin NIR spektroskopisi, kemometri) tahmin belirsizliği, kalibrasyon modelinin kalibrasyondan bağımsız test seti performansıyla değerlendirilir; bağımsız örnekler kalibrasyonda yer almayan örnekler olarak tanımlanmakta ve standart sapma kestirimi doğrudan model hata istatistiklerinden elde edilmektedir.<ref>ICH. (2023). ''ICH guideline Q2(R2) on validation of analytical procedures''. European Medicines Agency. https://www.ema.europa.eu/en/documents/scientific-guideline/ich-guideline-q2r2-validation-analytical-procedures-step-2b_en.pdf</ref>

<span id="adli-analiz-kılavuzlarında-belirsizlik-değerlendirmesi"></span>
=== 4.3 Adli Analiz Kılavuzlarında Belirsizlik Değerlendirmesi ===

ENFSI (Avrupa Adli Bilimler Enstitüsü) tarafından 2024 yılında güncellenen kılavuz, adli nicel analizlerde ölçüm belirsizliğinin hesaplanması için modelleme yaklaşımını standartlaştırmaktadır. Kılavuz, sistematik katkıların (bias) standart belirsizliğe dahil edilmesini ve referans materyal değerleriyle karşılaştırmalı çalışmalar aracılığıyla yeniden üretilebilirlik standart sapmasının bileşen analizine ayrıştırılmasını zorunlu kılmaktadır. Bu yaklaşımda, merkezi referans materyali ortalamasından göreli farkların kareli ortalaması ölçüm içi yeniden üretilebilirliğin ölçütü olarak kullanılmaktadır.<ref>ENFSI. (2024, February 15). ''Guideline for calculating measurement uncertainty in quantitative forensic investigations'' (GDL QCC-GDL-001). European Network of Forensic Science Institutes. https://enfsi.eu/wp-content/uploads/2024/04/Guideline-for-Calculating-Measurement-Uncertainty-in-Quantitative-Forensic-Investigations-1.pdf</ref>

<span id="biometriye-uygulamalar-sd-ile-sem-arasındaki-yanlış-kullanım"></span>
=== 4.4 Biometriye Uygulamalar: SD ile SEM Arasındaki Yanlış Kullanım ===

NCBI Statpearls’te (Kasım 2024 güncelleme) derlenen incelemede, standart sapma (SD) ile standart hatanın (SEM, standart error of the mean) analitik ve biyomedikal literatürde sıklıkla birbirinin yerine hatalı kullanıldığı vurgulanmaktadır. SEM = <math display="inline">s/\sqrt{n}</math> ifadesinden hesaplanan bu büyüklük, ortalama tahmini etrafındaki belirsizliği yansıtır ve <math display="inline">n</math> arttıkça azalır; oysa SD, popülasyonun dağılımını karakterize eder ve <math display="inline">n</math>’den bağımsızdır. Bazı dergiler bu karışıklığı önlemek amacıyla yalnızca SD’nin ortalama ile birlikte raporlanmasına izin vermektedir.<ref>Kaliyadan, F., &amp; Kulkarni, V. (2024, November 25). Standard deviation. In ''StatPearls'' [Internet]. StatPearls Publishing. https://www.ncbi.nlm.nih.gov/books/NBK574574/</ref>

-----

<span id="kavramsal-analiz"></span>
== 5. Kavramsal Analiz ==

<span id="nizam-gaye-ve-sanat"></span>
=== 5.1 Nizam, Gaye ve Sanat ===

Standart sapmanın analitik kimyadaki rolü değerlendirildiğinde, dikkat çekici bir tertip göze çarpar: Ölçüm hatalarının bağımsız ve rastgele olduğu koşullarda, çok sayıda belirsizlik kaynağının bileşimi zorunlu olarak belirli bir dağılım kalıbına, Gauss dağılımına, yakınsar. Bu yakınsama, aritmetik bir zorunluluk olarak ortaya çıkar ve onlarca farklı dağılım fonksiyonundan bağımsız olarak işlemekte, merkezi limit teoreminin bir çıktısı olarak gerçekleşmektedir.<ref>Leito, I., &amp; Jalukse, L. (2023). ''Estimation of measurement uncertainty in chemical analysis'' (Course materials). University of Tartu. Normal Distribution. https://sisu.ut.ee/measurement/31-normal-distribution/</ref>

Söz konusu yapının bu şekilde işliyor olması kayda değerdir. Çevresel dalgalanmalar, vibrasyon, termal gürültü, enstrüman elektroniği ve örnek matriksindeki kimyasal değişkenlik gibi birbirinden farklı ve koordineli olmayan kaynakların çıktısının, mükemmel biçimde simetrik ve matematiksel olarak tanımlanabilir bir yapıya ulaşması dikkat çekicidir. Bu yapı o denli tutarlıdır ki klinik biyokimya, farmasötik analiz, adli kimya ve çevre izleme gibi birbirinden çok farklı alanlarda aynı matematiksel araçlar geçerliliğini korumaktadır. Farklı kaynaklardan gelen bağımsız tesadüfilik bileşenlerinin bu denli düzenli bir bütüne ulaşıyor olması, ölçüm biliminin temel varsayımlarından biri haline gelmiştir.

<span id="indirgemeci-dil-ve-nedensellik-atfı-üzerine"></span>
=== 5.2 İndirgemeci Dil ve Nedensellik Atfı Üzerine ===

Analitik kimya literatüründe bazı ifade kalıpları yaygınlaşmış olmakla birlikte nedensellik açısından dikkatli bir incelemeyi hak etmektedir. “Standart sapma kesinliği tanımlar” ya da “hata yayılımı belirsizliği hesaplar” gibi cümleler, matematiksel bir ilişkiyi betimler; ancak bu betimleyici ifade, nedensel bir açıklama sunmaz. Standart sapmanın “kesinliği ölçtüğü” söylendiğinde, aslında söylenen şudur: <math display="inline">s</math>, belirli bir sürecin çıktılarının belirli bir formüle göre işlenmiş sayısal bir özetidir. Bu özet kesinliği ölçmez, kesinliğin bir tanımsal operasyonalizasyonudur.

Benzer bir analiz hata yayılımı için de geçerlidir. “Belirsizlikler yayılır” ifadesi, sanki belirsizliğin bağımsız bir varlığı ve hareket etme kapasitesi varmış gibi bir algı yaratabilir. Gerçekte gerçekleşen şu süreçtir: Belirli bir fonksiyonel ilişki içinde bağımlı değişkenin standart sapması, bağımsız değişkenlerin standart sapmalarından ve fonksiyonun kısmi türevlerinden hesaplanır. Kavramın adlandırılması, fiziksel bir transferi değil, matematiksel bir türevi özetlemektedir.<ref>Skoog, D. A., Holler, F. J., &amp; Crouch, S. R. (2018). ''Principles of Instrumental Analysis'' (7th ed.). Cengage Learning.</ref>

Bu ayrım salt söylemsel değildir. Analitik kimyadaki bir hatayı “belirsizliğin yayılması” olarak adlandırmak, hatanın kaynağına ilişkin algıyı bulanıklaştırabilir ve asıl nedenin araştırılması yerine istatistiksel bir konseptle yetinilmesine zemin hazırlayabilir.

<span id="hammadde-ve-sanat-ayrımı-ölçümden-bilgiye"></span>
=== 5.3 Hammadde ve Sanat Ayrımı: Ölçümden Bilgiye ===

Standart sapma hesabında kullanılan ham veriler — ham sayısal ölçümler —, tek başlarına analitik sonuç bildirmez. Sayıların belirli bir matematiksel düzen içinde tertip edilmesiyle farklı bir bilgi katmanına ulaşılır. Bu geçiş, salt aritmetik işlemden fazlasını kapsar.

Hammadde düzeyinde ele alındığında, birbirinden bağımsız <math display="inline">n</math> adet ölçüm değeri <math display="inline">\{x_1, x_2, \ldots, x_n\}</math> mevcuttur. Bu değerlerin her biri, farklı bir enstrümantal ve çevresel anlık koşulun kaydını taşır ve bağımsız olarak bilgi kapasitesi oldukça sınırlıdır. Ancak aynı değerler, ortalama ve standart sapma formülleri çerçevesinde bir araya getirildiğinde, hiçbir tekil ölçümde bulunmayan bir bilgi ortaya çıkar: gerçek değere ilişkin istatistiksel bir kestirim ve bu kestirimin güvenilirliğinin ölçütü.

Üstelik hata yayılımı formülü uygulandığında, artık ölçümlerin kendisi değil, ölçümler arasındaki yapısal ilişki konuşmaktadır. Kısmi türev, değişkenler arasındaki matematiksel bağımlılığı ortaya koyar; bu bağımlılık, ham sayılarda değil, ham sayıların yerleştirildiği fonksiyonel yapıda gizlidir. Dolayısıyla hesaplanan sonucun standart sapması, parçaların (tekil ölçümlerin) değil, parçalar arasındaki ilişkilerin tertibinden doğan bir büyüklüktür. Bu yapısal tertip — hangisinin neyle nasıl çarpıldığı, hangi terim toplandığı, hangisinin kareköküne alındığı — sayıların kendisinde mevcut değildir ve ayrıca düzenlenmesi zorunludur.<ref>O’Haver, T. C. (2015). ''Propagation of error in analytical calibration methods''. University of Maryland. https://terpconnect.umd.edu/~toh/models/Bracket.html</ref>

-----

<span id="sonuç"></span>
== 6. Sonuç ==

Hesaplanan sonuçlarda standart sapma, çok değişkenli ölçüm süreçlerinin kaçınılmaz bir özelliği olan belirsizliğin matematiksel dili haline gelmiştir. Tek bir ölçümün standart sapmasından kalibrasyon eğrisi regresyon belirsizliğine, tolerans aralıklarından bileşik belirsizlik bütçesine uzanan bu istatistiksel çerçeve, farmasötik, çevresel ve adli analiz alanlarında yöntemin güvenilirliğini tanımlar. Gauss dağılımının bağımsız rastgele hataların doğal bir çıktısı olarak ortaya çıkması, bu çerçevenin matematiksel sağlamlığının zeminini oluşturmaktadır. Yöntemin matematiksel yapısı, betimleyici ifadelerin nedensellik yanılsamalarına yol açmadığı ölçüde güvenilir bir araç olmaya devam etmektedir. Belirsizliğin sayısal bileşenleri, belirli bir fonksiyonel tertip içinde bir araya getirildiğinde, hiçbir bireysel bileşende bulunmayan bir bilgi ortaya çıkmakta; bu bilgi, analitik sonucun güvenilirliğine ilişkin nesnel bir ölçüt sunmaktadır. Deliller ışığında, bu matematiksel yapının yalnızca işlevsel bir araç olup olmadığı, yoksa doğasında derinliği bulunan bir düzenin yansıması mı olduğu sorusunun yanıtı okuyucunun kendi aklına ve vicdanına bırakılmaktadır.

-----

<span id="kaynakça"></span>
== Kaynakça ==

<references />