İstatistik Nasıl Öğrenilir? Veri, Örneklem ve Testler

Bir veri setini özetlerken ortalama neyi gizleyebilir?

Tanımlayıcı istatistik, eldeki gözlemleri daha anlaşılır hâle getirir; tek başına geleceğe veya popülasyona genelleme yapmaz. Ortalama, gözlemlerin toplamının gözlem sayısına bölünmesiyle bulunur ve tüm değerleri hesaba katar. Bu nedenle uç değerlerden etkilenebilir. Medyan, gözlemler sıralandığında tek sayıda gözlem için ortadaki değer, çift sayıda gözlem için ise iki orta değerin aritmetik ortalamasıdır; dağılım çarpık olduğunda veya uç değerler bulunduğunda merkezi eğilimi ortalamadan daha farklı yansıtabilir.

Örneğin gözlemler 2, 3, 3, 4 ve 18 ise ortalama 6, medyan 3'tür. Ortalama, 18 değerinin toplam üzerindeki etkisini taşırken medyan tipik merkez hakkında farklı bir bilgi verir. Bu iki ölçüden hangisinin kullanılacağı veri setinin dağılımına ve soruya bağlıdır; tek başına daha büyük olanı seçmek doğru bir kural değildir.

Yayılımı incelemek için aralık, varyans ve standart sapma kullanılır. Standart sapma, gözlemlerin ortalama çevresindeki saçılmasını ölçer; değer büyüdükçe veriler ortalamadan daha uzak olma eğilimi gösterir. Ancak standart sapma, verilerin yaklaşık olarak normal dağılıp dağılmadığını tek başına göstermez. Histogram veya kutu grafiği gibi görsellerle birlikte yorumlanmalıdır.

Bu aşamada temel ayrım şudur: Bir sınıfın not ortalamasını ve standart sapmasını hesaplamak tanımlayıcı bir işlemdir. Bu sınıftan hareketle tüm okul öğrencileri hakkında sonuç çıkarmak ise örnekleme ve çıkarımsal istatistik sorununu gündeme getirir.

Popülasyon, örneklem ve temsil sorunu nasıl ayrılır?

Popülasyon, araştırmanın sonuçlarının hedeflendiği bütün birimlerdir; örneklem ise bu popülasyondan incelenen alt kümedir. Popülasyona ait gerçek fakat çoğu zaman bilinmeyen ölçüye parametre, örneklemden hesaplanan ölçüye istatistik denir. Örneklem ortalaması popülasyon ortalamasının kendisi değil, onu tahmin etmek için kullanılan bir istatistiktir.

Basit rassal örneklemede birimlerin seçilme sürecinin rastlantısal olması hedeflenir. Tabakalı örnekleme, popülasyonu belirli alt gruplara ayırıp bu gruplardan seçim yapar; küme örneklemesinde ise doğal gruplar veya kümeler seçilir. Bu yöntemlerin amacı aynı değildir. Bir alt grubun örneklemde yeterince temsil edilmesi isteniyorsa tabakalı yaklaşım yararlı olabilir; fakat yöntemin uygunluğu araştırma sorusuna ve popülasyonun yapısına bağlıdır.

Örneklem büyüklüğünü artırmak, rastlantısal örnekleme hatasını azaltmaya yardımcı olabilir; ancak yanlı seçilmiş büyük bir örneklem, hedef popülasyonu kendiliğinden temsil etmez. Örneğin yalnızca gönüllülerin yanıtladığı bir anket, yanıt vermeyenlerin özellikleri farklıysa yanıt yanlılığı taşıyabilir. Bu nedenle güvenilir çıkarım için sayı kadar seçimin nasıl yapıldığı, ölçümün nasıl gerçekleştirildiği ve eksik verilerin durumu da incelenmelidir.

Örnekleme hatası ile sistematik yanlılığı ayırmak önemlidir. Örnekleme hatası, aynı yöntemle farklı örneklemler seçildiğinde oluşabilecek rastlantısal değişkenliktir. Yanlılık ise seçimin veya ölçümün belirli bir yönde sürekli sapma üretmesidir; yalnızca örneklem sayısını artırmak bu sorunu çözmeyebilir.

Standart hata ve merkezi limit teoremi ne zaman işe yarar?

Standart sapma, tek tek gözlemlerin saçılmasını anlatır. Standart hata ise bir örneklem istatistiğinin, farklı örneklemler arasında ne kadar değişebileceğini ifade eder. Popülasyon standart sapması σ biliniyorsa örneklem ortalamasının standart hatası şu biçimde yazılır: $SE=\frac{\sigma}{\sqrt{n}}$. Burada $n$ örneklem büyüklüğüdür. σ bilinmiyorsa uygulamada çoğu durumda popülasyon standart sapması yerine örneklem standart sapması $s$ kullanılır; bu durumda belirsizliği değerlendirmek için seçilen yöntemin koşulları ayrıca dikkate alınır.

Formülden iki karar çıkarılabilir: Aynı σ altında $n$ arttıkça standart hata küçülür; fakat örneklem büyüklüğünü dört katına çıkarmak standart hatayı yaklaşık yarıya indirir, çünkü ilişki $\sqrt{n}$ üzerindendir. Standart hata küçüldüğünde örneklem ortalamasının örneklemden örnekleme değişkenliği azalır; bu, verilerin tek tek birbirine yaklaştığı anlamına gelmez.

Merkezi limit teoremi, uygun koşullarda ve örneklem büyüklüğü yeterli olduğunda örneklem ortalamalarının dağılımının yaklaşık normal dağılıma yaklaşabileceğini söyler. Buradaki 'yeterli' sayı her veri seti için aynı değildir. Dağılımın çarpıklığı, uç değerler, gözlemlerin bağımsızlığı ve örneklem büyüklüğü birlikte değerlendirilmelidir. Teorem, orijinal verilerin mutlaka normal olduğu anlamına gelmez; örneklem ortalamasının dağılımıyla ilgilidir.

Güven aralığı, örneklem istatistiğinin belirsizliğini aralıkla ifade eder. Aralığın genişliği standart hata, seçilen güven düzeyi ve yöntemin varsayımlarıyla ilişkilidir. Bir güven aralığı, parametrenin belirli bir olasılıkla bu tek aralıkta bulunduğu şeklinde gündelik dille yorumlanmamalıdır; yöntem, aynı koşullarda tekrarlanan örneklemler üzerinden tanımlanır.

Hipotez testi p-değerini nasıl doğru yorumlar?

Hipotez testi, verinin belirli bir iddiayla ne ölçüde uyumlu olduğunu değerlendiren karar çerçevesidir. Sıfır hipotezi $H_0$, genellikle fark veya ilişkinin bulunmadığını ifade eder; alternatif hipotez $H_1$ ise araştırılan farkı ya da ilişkiyi temsil eder. Testten önce anlamlılık düzeyi $\alpha$ seçilir. Mevcut metinde sık kullanılan eşik 0,05 olarak verilmiştir; ancak bu eşik, bilimsel ve pratik bağlamdan bağımsız otomatik bir karar kuralı değildir.

P-değeri, $H_0$ doğru kabul edildiğinde gözlenen sonuç kadar veya daha uç bir sonucun elde edilme olasılığıdır. $p<\alpha$ ise sonuç, seçilen anlamlılık düzeyinde $H_0$ ile uyumsuz kabul edilerek $H_0$ reddedilir. $p\geq\alpha$ olduğunda ise $H_0$ reddedilmez. Bu ikinci karar, 'H_0 kanıtlandı' veya 'hiç fark yoktur' demek değildir; mevcut verinin $H_0$'ı reddetmek için yeterli kanıt sağlamadığını belirtir.

İki grup ortalamalarının karşılaştırılmasında t-testi, kategorik değişkenler arasındaki ilişkiyi incelemede ki-kare testi, ikiden fazla grubun ortalamalarını karşılaştırmada ANOVA gibi yöntemler gündeme gelebilir. Test seçimi yalnızca grup sayısına göre yapılamaz; bağımlı-bağımsız ölçüm yapısı, değişken türü, dağılım varsayımları ve varyans koşulları da kontrol edilmelidir.

İstatistiksel anlamlılık ile pratik önem farklıdır. Çok büyük örneklemlerde küçük bir fark p-değeri bakımından anlamlı olabilir; fakat bu fark gerçek hayatta önemsiz kalabilir. Bu nedenle p-değeriyle birlikte farkın büyüklüğü, güven aralığı ve araştırma bağlamı raporlanmalıdır. Tip I hata, doğru olan $H_0$'ın reddedilmesi; Tip II hata ise yanlış olan $H_0$'ın reddedilememesidir.

Regresyon katsayısı ilişkiyi nasıl ölçer, neyi kanıtlamaz?

Basit doğrusal regresyon, bir bağımlı değişkenin bir bağımsız değişkenle doğrusal ilişkisini modellemeye çalışır: $\hat{y}=a+bx$. Burada $\hat{y}$ tahmin edilen değer, $a$ y-kesişimi, $b$ eğim ve $x$ bağımsız değişkendir. Eğim $b$, $x$ bir birim arttığında modelin tahmin ettiği $y$ değerindeki ortalama değişimi ifade eder. Bu yorum, ilişkinin doğrusal olarak modellenmesi ve diğer model koşullarının makul olması durumunda yapılmalıdır.

Y-kesişimi, $x=0$ iken modelin tahmin ettiği değerdir. Ancak $x=0$ gözlem aralığında değilse veya gerçek hayatta anlamsızsa, kesişimi doğrudan pratik bir durum gibi yorumlamak uygun olmayabilir. Çoklu regresyonda bir katsayı, diğer modele alınan değişkenler sabit tutulduğunda ilgili değişkenle bağlantılı değişimi ifade eder; bu da otomatik olarak nedensellik anlamına gelmez.

R-kare, bağımlı değişkendeki değişkenliğin model tarafından açıklanan kısmına ilişkin bir ölçüdür. Yüksek R-kare tek başına doğru model, nedensel ilişki veya iyi gelecek tahmini garantilemez. Artıkların yapısı, doğrusal ilişki varsayımı, uç gözlemler ve değişkenler arasındaki güçlü bağlantılar da incelenmelidir. Fiyat ile satış arasındaki ilişkiyi görmek, fiyat değişikliğinin satıştaki tüm değişimin nedeni olduğunu kanıtlamaz; mevsim, kampanya veya ürün özellikleri gibi değişkenler de rol oynayabilir.

Çözümlü örnekler: standart hata ve p-değeriyle karar

Örnek 1 — Standart hata:

Verilenler: Popülasyon standart sapması $σ=12$, örneklem büyüklüğü $n=36$.

1. Standart hata formülü yazılır: $SE=\frac{σ}{\sqrt{n}}$.
2. Değerler yerine konur: $SE=\frac{12}{\sqrt{36}}$.
3. $\sqrt{36}=6$ olduğundan $SE=\frac{12}{6}=2$ bulunur.

Sonuç: Örneklem ortalamasının standart hatası 2'dir. Bu değer, tek tek gözlemlerin standart sapmasının 2 olduğu anlamına gelmez; farklı örneklemlerden elde edilen ortalamaların değişkenliğini ifade eder. Aynı popülasyon standart sapması korunurken örneklem büyüklüğü 144 olsaydı standart hata $12/12=1$ olurdu. Yani örneklem dört katına çıktığında standart hata yarıya inmiştir.

Örnek 2 — Hipotez testinde karar:

Verilenler: Bir testte sıfır hipotezi $H_0$'dır, anlamlılık düzeyi $\alpha=0,05$ ve hesaplanan p-değeri $p=0,03$ olsun.

1. P-değeri, $H_0$ doğru kabul edildiğinde gözlenen sonuç kadar veya daha uç bir sonucun olasılığı olarak yorumlanır.
2. P-değeri ile anlamlılık düzeyi karşılaştırılır: $0,03<0,05$.
3. Seçilen karar kuralına göre $H_0$ reddedilir.

Sonuç: Veri, 0,05 düzeyinde $H_0$'a karşı istatistiksel kanıt sunmaktadır. Ancak bu sonuç farkın büyük olduğunu, uygulamada önemli olduğunu veya ilişkinin nedensel olduğunu tek başına göstermez. Farkın büyüklüğü ve güven aralığı da incelenmelidir.

Tersine p-değeri 0,08 olsaydı $0,08>0,05$ karşılaştırması yapılır ve $H_0$ reddedilmezdi. Bu, 'H_0 doğrudur' değil, eldeki verinin seçilen eşikte reddetme için yeterli kanıt sağlamadığı anlamına gelirdi.