Hava tahmini izliyorsunuz... "%70 yağmur ihtimali" diyor. Bir araştırma makalesi okuyorsunuz "istatistiksel olarak anlamlı" yazıyor. Bir şirket raporu geliyor "ortalama müşteri memnuniyeti 8,2" diyor. Bunların hepsi istatistiki kavramlar. Ama istatistik nedir gerçekte? Sadece rakamlar mı? Yoksa çok daha büyük bir şey mi? Bu yazıda soyut görünen bu bilimi günlük hayatla buluşturarak hem betimsel istatistik hem de regresyon gibi ileri kavramları gerçekten anlaşılır biçimde açıklıyoruz.
İstatistik Nedir? Gerçek Tanım
İstatistik nedir sorusuna çoğu ders kitabı şöyle cevap veriyor: "Verilerin toplanması, düzenlenmesi, analizi ve yorumlanması bilimidir." Doğru ama eksik. Çünkü bu tanım istatistiği pasif bir işlem gibi gösteriyor sanki veriler geliyor, siz de onları düzenleyip bir köşeye koyuyorsunuz.
Ama istatistik aslında bir karar verme aracı. Elimizdeki sınırlı bilgiden gözlemlediğimiz küçük bir örnekten çok daha büyük bir gerçek hakkında akıllıca çıkarım yapmak. 1000 kişiyi anket yaptığınızda bütün Türkiye hakkında bir şeyler söyleyebilmek. 30 hastayı takip ettiğinizde bir ilacın etkisi hakkında yorum yapabilmek. 10 yıllık satış verisine bakarak önümüzdeki yılı tahmin edebilmek.
Bu yüzden istatistik hem bir bilim hem bir sanat. Bilim kısmı matematiksel kurallar, olasılık teorisi, kesin formüller. Sanat kısmı: hangi testi kullanacağınıza karar vermek, sonuçları doğru yorumlamak, elde ettiğiniz bulgunun gerçekte ne anlama geldiğini görmek. Ve bu ikinci kısım yorum çoğu zaman en az formüller kadar zor.
İstatistiğin İki Temel Kolu
İstatistik iki ana dala ayrılıyor.
Birinci dal "betimsel istatistik" elimizdeki veriyi özetlemek ve tanımlamak. "Bu grubun ortalama yaşı 34" ya da "satışların %60'ı İstanbul'dan geliyor" gibi.
İkinci dal ise "çıkarımsal istatistik" elimizdeki örnekten hareketle genel bir yargıya ulaşmak. "Bu örnekteki etki, tüm popülasyonda da geçerlidir" demek mesela.
Her ikisi de birbirini tamamlıyor önce veriyi tanımlayıp, sonra ondan anlam çıkarıyorsunuz.
Betimsel İstatistik Nedir? Verinin Aynası
Betimsel istatistik nedir sorusunu açıklamanın en kolay yolu şu: bir sınıfta 30 öğrencinin notuna bakıyorsunuz. Bu 30 sayıyı birisinin yüzüne tek tek okusanız o kişi anlam çıkaramaz. Ama "ortalama 72, en düşük 45, en yüksek 98, öğrencilerin yarısı 70'in üzerinde" dediğinizde tablo netleşiyor. İşte bu netleştirme işlemi betimsel istatistik.
Betimsel istatistik iki temel soruyu cevaplıyor: verinin merkezi nerede ve verinin dağılımı nasıl? Merkezi bulmak için ortalama, medyan ve mod kullanılıyor. Dağılımı ölçmek için ise standart sapma, varyans ve aralık gibi ölçüler devreye giriyor.
Betimsel istatistik yalnızca sayılardan ibaret değil. Histogram bir değişkenin dağılımını gösteriyor: hangi değer aralığında kaç gözlem var? Kutu grafiği medyanı, aralığı ve aykırı değerleri tek görselde özetliyor. Saçılım grafiği iki değişken arasındaki ilişkiyi görünür kılıyor. İnsan beyni sayısal tablodan çok daha hızlı bir grafik okuyor bu yüzden doğru grafiği seçmek analistin en kritik kararlarından biri.
Ortalama, Medyan, Mod Hangisi Ne Zaman?
Ortalama herkesin bildiği şey tüm değerleri toplayıp sayıya bölmek. Ama her zaman doğru resmi göstermiyor. Diyelim ki bir şirkette 9 çalışan 70.000 TL, bir genel müdür 500.000 TL kazanıyor. Ortalama maaş yaklaşık 113.000 TL çıkıyor. Ama bu rakam ne müdürü ne çalışanları temsil ediyor kimse 113.000 TL kazanmıyor.
Bu durumda medyan çok daha gerçekçi bir resim çiziyor. Medyan, değerleri sıralayıp tam ortadaki sayıyı almak demek. Bu örnekte medyan 70.000 TL ve bu rakam çalışanların büyük çoğunluğunun durumunu gerçekten yansıtıyor. Mod ise en çok tekrar eden değer. "En popüler" olanı bulmak için kullanılıyor hangi ürün en çok satıldı, hangi renk en çok tercih edildi gibi.
📊 Ne Zaman Ortalama?
Dağılım simetrikse ve aşırı uç yoksa
Sınav notları, sıcaklık ölçümleri
Tüm değerler yakın aralıktaysa
📈 Ne Zaman Medyan?
Aşırı uç değerler dağılımı çekiyorsa
Gelir, servet, ev fiyatı verileri
Eşitsiz dağılımlarda her zaman
Standart sapma ise dağılımın özetidir. İki sınıfın not ortalaması eşit olabilir mesela ikisi de 70. Ama bir sınıfta herkes 68-72 arasında, diğerinde kimisi 40 kimisi 100. Bu farkı anlatan ölçü standart sapma. Düşük standart sapma veri ortalamanın etrafında sıkışık demek, yüksek standart sapma geniş bir alana yayılmış demek. Ortalamayla birlikte standart sapmayı bilmek tablonun gerçek hikâyesini görmenizi sağlıyor. İkisini birlikte sormak iyi alışkanlık.
Carlos Muza (Unsplash)
Çıkarımsal İstatistik De Ne? Örnekten Evrene Ulaşmak
Betimsel istatistik elinizdeki veriyi anlatıyor. Çıkarımsal istatistik ise çok daha cesur bir iddiada bulunuyor: o küçük örnekten hareketle tüm popülasyon hakkında bir şey söylüyor. Bu nasıl mümkün? Olasılık teorisi sayesinde. Eğer bir örnek gerçekten rastgele seçildiyse ve yeterince büyükse, o örneğin özellikleri tüm popülasyonu belirli bir hata payıyla temsil eder.
Seçim araştırmalarındaki "±3 puan hata payı" tam da bu. 1000 kişiyle yapılan anketin sonucu, tüm seçmen tabanı için %95 güven aralığında geçerli ama bu güveni elde etmek için örnekleme yöntemi doğru olmak zorunda. Yanlı bir örnekten yapılan analiz ne kadar sofistike olursa olsun yanıltıcı sonuç veriyor. "Çöp girdi, çöp çıktı" prensibi istatistikte de geçerli.
Çıkarımsal istatistiğin en temel araçları hipotez testleri. Şöyle çalışıyor: bir iddia var ("bu ilaç etkilidir"). Önce karşı hipotez kuruyorsunuz ("ilaç etkisiz"). Veriyi analiz ediyor ve bu karşı hipotezin ne kadar olası olduğuna bakıyorsunuz. Eğer yeterince düşük olasılıklıysa karşı hipotezi reddedip orijinal iddiayı destekliyorsunuz. Bu süreçte "p değeri" denen bir kavram çıkıyor ve 0.05'in altındaysa sonuç istatistiksel olarak anlamlı kabul ediliyor.
P Değeri ve Güven Aralığı
P değeri: Sıfır hipotezi doğruysa gözlemlenen bu sonucun şans eseri çıkma olasılığı. 0.05 altı geleneksel eşik ama bu rakam kutsal değil, bağlamla birlikte yorumlanmalı.
Güven aralığı: Gerçek değerin büyük olasılıkla içinde bulunduğu aralık. "%95 güven aralığı 5-8 arası" demek aynı yöntemle 100 kez örneklem alınırsa 95'inde gerçek değer bu aralıkta kalır demek. Tek bir noktadan çok daha fazla bilgi taşıyor.
Regresyon Nedir İstatistik Bağlamında?
Regresyon nedir istatistik alanında? Kısaca: iki ya da daha fazla değişken arasındaki ilişkiyi matematiksel olarak modellemek ve bu ilişkiyi kullanarak tahmin yapmak. Basit ama inanılmaz güçlü bir fikir.
En kolay anlaşılan örnekle gidelim: ev fiyatları. Evin büyüklüğü arttıkça fiyatı artıyor ve bunu herkes sezgisel olarak biliyor. Ama regresyon analizi bu ilişkiyi sayısallaştırıyor: saçılım grafiğindeki noktalara en iyi uyan doğruyu buluyor ve size diyor ki "her 10 metrekarelik artış için fiyat ortalama X TL artıyor." Bu formül elinizde olduğunda büyüklüğünü bildiğiniz ama henüz fiyatlanmamış bir ev için tahmin yapabiliyorsunuz.
Bu "en iyi uyan çizgi" fikri basit doğrusal regresyonun özü. Ama gerçek dünya çok daha karmaşık yani ev fiyatı sadece büyüklüğe bağlı değil. Konum, yaş, kat, ulaşım gibi onlarca faktör var. Birden fazla değişkeni aynı anda modele dahil etmek çoklu regresyon deniyor. Mantık aynı, çerçeve daha geniş.
İstatistik, belirsizlikle yüzleşmenin en dürüst yolu aslında. Kesin cevap vermez ama konu hakkında ne kadar emin olduğunuzu açıkça belirterek verir.
David Spiegelhalter (Cambridge Üniversitesi, İstatistik Profesörü, "The Art of Statistics" kitabının yazarı)
Regresyon Her Yerde
Regresyon analizinin hayatımıza ne kadar girdiğini fark etmek şaşırtıcı. Netflix hangi filmi önereceğine karar verirken regresyon kullanıyor. Bankalar kredi skorunu hesaplarken regresyon kullanıyor. Doktorlar bir hastanın risk faktörlerini değerlendirirken regresyon kullanıyor. Hava tahmin modelleri regresyon üzerine kurulu. E-ticaret siteleri hangi ürünün daha çok satılacağını regresyonla tahmin ediyor. Makine öğrenmesinin büyük bölümü regresyondan türüyor.
| Alan | Regresyon Ne İçin Kullanılıyor? |
|---|---|
| Bankacılık | Kredi riski ve temerrüt tahmini |
| Sağlık | Hastalık riski ve tedavi etkisi modelleme |
| Pazarlama | Hangi reklam harcamasının satışa dönüştüğü |
| Gayrimenkul | Evin özelliklerine göre fiyat tahmini |
| İnsan Kaynakları | Hangi faktörlerin çalışan bağlılığını etkilediği |
| Üretim | Makine arızasını önceden tahmin etmek |
Korelasyon Nedensellik Değildir
Regresyon bağlamında asla unutulmaması gereken bir uyarı var. İki değişken arasında güçlü bir ilişki bulmak, birinin diğerine neden olduğunu kanıtlamıyor. Dondurma satışları ile boğulma vakaları arasında pozitif korelasyon var. Yaz aylarında ikisi de artıyor. Ama dondurma yemek boğulmaya neden olmuyor. Her ikisi de sıcak havayla ilişkili; "gizli" üçüncü bir değişken var işin içinde.
Bu "korelasyon nedensellik değildir" prensibi istatistiğin en önemli uyarılarından biri. Regresyon ilişkiyi mükemmel biçimde modelleyebilir ama "neden" sorusuna cevap veremez. Nedensellik için ya deney tasarımı kontrol ve deney grubu ya da çok daha sofistike yöntemler gerekiyor. Bunu anlamadan istatistik yorumlamak tehlikeli sonuçlar doğuruyor. Ve bu yanlışlık akademi dünyasında da basında da sıkça yapılıyor.
Jakub Żerdzicki (Unsplash)
R² Nedir, Modeli Nasıl Değerlendirirsiniz?
Regresyon modelinin ne kadar iyi açıklama yaptığını gösteren ölçüye R² (R kare) deniyor. 0 ile 1 arasında değer alır. R²=0.75 ise modeliniz bağımlı değişkendeki değişimin %75'ini açıklıyor, %25'i ise modele dahil edilmemiş başka faktörlerden kaynaklanıyor demek. Yüksek R² her zaman iyi model anlamına gelmiyor. Modele anlamsız değişkenler eklemek R²'yi yapay olarak artırabiliyor. Bu yüzden düzeltilmiş R² gibi ölçüler de devreye giriyor.
İstatistiğin Tuzakları
İstatistik güçlü bir araç ama bu güç kötüye de kullanılabiliyor. "Rakamlarla yalan söylemek" bir kavram olarak var ve arkasında gerçek bir tehlike yatıyor. Birkaç yaygın tuzağı bilmek hem ürettiğiniz analizleri daha sağlıklı kılıyor hem karşılaştığınız iddialara daha eleştirel bakmanızı sağlıyor.
Birinci tuzak örneklem seçim yanlılığı. Anket yapıyorsunuz ama yalnızca memnun müşterilerinize ulaşabiliyorsunuz. Sonuç %92 memnuniyet oranı. Ama memnuniyetsiz olanlar zaten sizi bıraktı ve anketinize dahil olmadı. Örneklem popülasyonu temsil etmiyorsa, sonuç ne kadar hassas hesaplanırsa hesaplansın yanıltıcı.
İkinci tuzak ölçek manipülasyonu. Bir grafik y eksenini sıfırdan değil 90'dan başlatırsa, küçük bir artış dramatik görünür. Ölçeği değiştirmek verinin kendisini değiştirmiyor ama algıyı tamamen dönüştürüyor. Bunun için grafiklerin eksenlerini her zaman kontrol etmek iyi alışkanlık özellikle medya haberleri ve şirket sunumlarında.
Üçüncü tuzak çoklu karşılaştırma problemi. 20 hipotezi aynı anda test ederseniz ve %5 anlamlılık düzeyi kullanırsanız, şans eseri en az bir "anlamlı" sonuç çıkması çok olasıdır. Buna "p-hacking" deniyor. Özellikle tıbbi araştırmalarda ciddi bir sorun ve son yıllarda akademide geniş yankı uyandıran "tekrarlanabilirlik krizi"nin temelinde tam da bu yatıyor.
"Türkiye'de ortalama ücret X TL" haberi çıkıyor. Bu rakam matematiksel olarak doğru olabilir ama yanıltıcı. Az sayıda çok yüksek gelirli kişi ortalamayı yukarı çekiyor; çoğunluğun gerçek durumunu yansıtmıyor. Bu yüzden gelir ve servet istatistiklerinde her zaman hem ortalama hem medyan birlikte sorulmalı. İkisi arasındaki makas ne kadar büyükse dağılım o kadar eşitsiz demek.
İstatistik Hangi Alanlarda Kullanılıyor?
İstatistik nedir sorusunun belki en somut cevabı şu: neredeyse her alanda kullanılan temel araç. Bu abartı değil.
Tıpta klinik araştırmalar istatistik olmadan yürümüyor. Bir ilacın plaseboya göre anlamlı fark yaratıp yaratmadığı, bir tarama testinin güvenilirliği, bir risk faktörünün hastalıkla ilişkisi ve bunların hepsi istatistiksel analiz gerektiriyor. İlaç ruhsatı süreçleri tamamen istatistiksel kanıt üzerine kurulu.
Ekonomi ve finansta merkez bankaları faiz kararlarını istatistiksel modellere dayandırıyor. Yatırım fonları portföy optimizasyonunda istatistik kullanıyor. Sigortacılık istatistik olmadan var olamaz. Prim hesaplama, risk sınıflandırma, hasar tahmini tamamen istatistiksel modeller üzerine oturuyor.
Teknoloji ve yapay zeka alanında makine öğrenmesi büyük ölçüde istatistikten türemiş. Sınıflandırma, regresyon, kümeleme algoritmaları istatistiksel temellere oturuyor. "Veri bilimcisi" unvanının altında güçlü bir istatistik bilgisi yatıyor. Yapay zekanın bugünkü patlamasının mümkün olmasını sağlayan matematiksel çerçeve büyük ölçüde istatistik.
İstatistik Öğrenmek İçin Nereden Başlamalı?
Günlük okuryazarlık için formüllerden önce kavramlar geliyor. Daniel Kahneman'ın "Hızlı ve Yavaş Düşünme" kitabı istatistiksel düşünce biçimini güçlü biçimde inşa ediyor. Hans Rosling'in "Factfulness" ise verilerin dünyayı hem nasıl açıklayıp hem çarpıtabileceğini gösteriyor. Teknik bir yol için Khan Academy istatistik modülleri ve YouTube'daki StatQuest serisi başlayanlar için son derece değerli. R ya da Python'la pratik yapmanın hiçbir kaynağın yerini tutmadığını da söyleyelim.
Yapay zekâ ile özetle
Makaleyi beğendiniz mi? Puanlayın!
Loading...
