Arvioitu lukuaika: 5 minuuttia

Virhemarginaali, keskiarvo, mediaani, kausivaihtelu, liukuva keskiarvo – monet tilastotieteen käsitteet ovat arkisessa käytössä tiedotusvälineissä, ja jopa yleensä aivan oikein ja ilman termien selittämistä.

Tieteellisissä teksteissä tilastotieteen peruskäsitteiden käyttö on vielä moninaisemmin arkipäiväistä, onhan tilastotiede välttämätön aputiede kaikilla empiiristä numeerista aineistoa käyttävillä tieteenaloilla. Termit, kuten korrelaatio, luottamusväli, regressiosuora, normaalijakauma, otos, toisto, verrokki ja useat muut, esiintyvät minkä tahansa alan tutkimusraporteissa, ja kirjoittajat voivat olettaa lukijoidensa ymmärtävän, mitä niillä tarkoitetaan.

Alalta on aiemmin julkaistu kaksi pohjoismaista tilastosanastoa, joista uudempi on vuodelta 1975. Tilastotieteen käyttäjäkunta on laajentunut jatkuvasti koko tieteenalan historian ajan. On selvää, että puolessa vuosisadassa tilastotiede on tieteenalana laajentunut huomattavasti kuten myös tilastomenetelmiä soveltavien tutkimusalojen joukko.

Vastaavasti uusia tilastotieteen haaroja on syntynyt, ja siksi alalle on tarvittu ja luotu uusia käsitteitä. Vaikka englannin kielen käyttö laajenee lähes kaikilla tieteenaloilla, suomenkielisten käsitteistöjen luominen ja ylläpitäminen on arvokasta jo yksin kulttuurisyistä.

Uusi Tilastotieteen sanasto vastaa kehityksen tuomaan haasteeseen erinomaisesti. Kirjoittajina on neljä tilastotieteen konkaria: Juha Alho, Elja Arjas, Esa Läärä ja Pekka Pere. Kirjan on kustantanut Suomen Tilastoseura, kuten aiemmatkin tilastosanastot. Sanasto oli tarkoitus julkaista seuran satavuotisjuhlassa 2020, mutta sekin tapahtuma jäi pandemian jalkoihin.

Kun vuoden 1975 tilastosanastossa oli noin 800 termiä, lukumäärä uudessa sanakirjassa on peräti nelinkertainen. Oli siis jo korkea aika yhtenäistää sanastoa ja osin keksiä uuttakin.

Metoditieteenä tilastotiede sijoittuu monen tieteenalan leikkaukseen. Siten tilastotieteen sanaston on oltava sopusoinnussa matematiikan, erityisesti stokastiikan, ja tietotekniikan – missä datatiede on ollut kasvavan kiinnostuksen kohteena tällä vuosisadalla – termien kanssa. Samoin yhteneväisyys tilastotieteen omien vahvojen haarojen, kuten ekonometrian ja epidemiologian, kielenkäytön suhteen on tärkeää.

Tietenkin me tilastotieteen opettajat ja käyttäjät olemme vuosikymmenten mittaan päätyneet keksimään omia suomennoksia uusille, useimmiten englanninkielisille, termeille. Osa näistä on vähitellen vakiintunut yleiseen käyttöön, osa taas on jäänyt yksittäisten laitosten tai opettajien omiksi yritelmiksi.

Kirjan sanasto-osassa on käännökset englannista suomeen ja suomesta englantiin, ilman termien määrittelyjä. Lisäksi kirjassa on luvut sanastotyön periaatteista, erityisen pulmallisista termeistä, tilastotieteen (sanaston) suomalaisesta historiasta ja vertailusta viron tilastosanastoon. Tämä johdanto-osa on nautinnollista luettavaa kaikille tilastotieteen, kielten ja tieteenhistorian ystäville.

Suomenkielisen tieteellisen kirjoittamisen aamunkoitossa 1800-luvun puolivälissä olisi saatettu kirjoittaa, että ”valdelmassa käytellään todenvaiheita ja vaarinottoja”. Ymmärsitkö? (Nykykielinen käännös kerrotaan lopussa.)

Maltillinen fennomaani, filosofian tohtori Paavo Tikkanen, joka oli ensimmäisen suomenkielisen sanomalehden Suomettaren avainhahmo, kehitti tilastotiede-sanan vuonna 1859. Hän perusti sen asiain tilaan (status) eikä valtion numeerisen aineiston keruuseen (statistik-johdannaiset). Tämän valinnan mahdollinen yhteys nousevaan suomalaiseen kansallistuntoon on kiintoisa erityisesti näinä Venäjän varjostamina aikoina.

Survey on hyvä esimerkki hankalista käännettävistä termeistä. Tästä kertoo sekin, ettei keskeiselle käsitteelle ole aiemmin syntynyt suomennosta vaan englannin sanaa on käytetty suomenkielisissä esityksissä sellaisenaan, vaikka erityisesti sen taivuttaminen on kömpelöä.

Kirjoittajat ehdottavat surveyn käännöksiksi sanoja ”luotaus” (substantiivi) ja ”luodata” (verbi). Valintojen monista perusteluista poimittakoon seuraava yllättävä yhteys: ensimmäiset Kuuta tutkineet avaruusalukset olivat avaruusluotaimet Surveyor 1–7.

Toinen vaikea käännettävä tilastotieteen termi on score. Sama käännösongelma on ollut monessa muussakin kielessä, ja näissä on usein päädytty ”vääntämään” englantia omankieliseksi sanaksi (esimerkiksi norjassa skåre ja virossa skoor). Kirjoittajat ovat päätyneet vastaavaan ratkaisuun ja käännökseen ”skoori”. Vaikka sana kuulostaakin ensin oudolta ja enemmän porilaiselta purjehdustermiltä kuin tieteelliseltä käsitteeltä, tilastotieteilijälle se kertoo heti, mistä on kyse.

Bootstrap-menetelmät ja Bayes-tilastotiede ovat tulleet merkittäväksi osaksi tilastotieteilijöiden työkalupakkia sitten edellisen tilastosanaston julkaisemisen. Näihin metodeihin liittyvä suomalainen terminologia on osin ”itsestään” vakiintunutta (esimerkiksi priori- ja posteriorijakaumat), osin kovin villiä sanailua. Uudessa sanastossa bootstrap-johdannaiset käännetään uusio-otannaksi ynnä muiksi uusioalkuisiksi termeiksi. Sitähän se on, saman aineiston kierrätystä.

Ilahduin myös esimerkiksi termistä posterioriväli, joka selittää itsensä: väliestimointia, jossa alkuliite posteriori liittää sanan Bayes-tilastotieteeseen. Posterioriväli on siis perinteisen luottamusvälin Bayes-vastine.

Sanastotyössä hyvä periaate on säilyttää vanhat ja vakiintuneet termit, vaikkeivat ne olisikaan parhaita kuviteltavissa olevia. Tuskin regressio- tai varianssianalyysiä nimettäisiin enää samoin, jos metodeille pitäisi nyt keksiä nimet, luottamusvälistä puhumattakaan. Uudessa sanastossa tämä periaate on omaksuttu hyvin.

Kirjoittajat ovat myös tukeutuneet suomen kielen ammattilaisiin, ollaanhan osin luomassa uusia sanoja suomen kieleen. Yhdessä kohdassa kirjoittajat ovat jättäneet käyttämättä mahdollisuuden uudistaa sanastoa yleisten kirjoitusohjeiden mukaisesti. He pitäytyvät vanhoissa termeissä betajakauma, fi-kerroin, khi-neliöjakauma, vaikka kyseiset kreikkalaiset aakkoset neuvotaan kirjoittamaan pitkin vokaalein beeta, fii ja khii – aivan kuten ne meillä lausutaankin. Muutos olisi ollut niin pieni, ettei se olisi aiheuttanut ymmärtämättömyyttä tai sekaannusta.

Sellaista nimistötyö on; yksikään lukija ei ole tyytyväinen jokaiseen sanavalintaan. Kokonaisuus kuitenkin ratkaisee tässäkin.

Uusi tilastosanasto on niin perusteellinen ja perusteltu kooste, että sen termistön soisi tulevan alalle uudeksi standardiksi. Oma suosikkini uusista sanoista on erityisen poikkeavaa havaintoa tarkoittavan termin outlier suomennos ”oudokki”. Uuden mainion sanan omaksumista edistää vielä sen alkusointuisuus alkukielisen sanan kanssa.

Kuultuani uutuudesta jo kirjan käsikirjoitusvaiheessa, otin oudokin käyttöön luennoidessani tilastotieteen perusteita uusille opiskelijoille toissa syksynä. Ilokseni sana tarttui kerrasta, sillä opiskelijani alkoivat heti ja luontevasti käyttää sitä laskuharjoituksissa. Ymmärsin, että näin edistys voi tapahtua ja näin sen pitääkin mennä: uusi sukupolvi oppii uudet termit siinä kuin vakiintuneetkin.

On meidän tilastotieteen käyttäjien, opettajien ja kirjoittajien vastuulla ottaa uusi sanasto käyttöön. Toivottavasti uudet termit vakiintuvat myös akateemisen maailman ulkopuolella nyt kun vaikkapa yritysmaailmassa työskentelevä tilastotieteilijä – Data scientist tai Big data engineer – pystyy entistä paremmin raportoimaan suomenkielisin termein.

Niin, se mainittu 1800-luvun lause on nykysuomeksi ”tilastotieteessä käytetään todennäköisyyksiä ja havaintoja”.