İstatistik Temelleri: Veriden Çıkarıma Giden Yol

İstatistiğin amacı ve temel kavramları

İstatistiğin temel amacı, değişkenlik içeren gözlemlerden düzenli ve kullanılabilir bilgi üretmektir. Aynı soruya verilen yanıtlar, ölçülen süreler veya gözlenen maliyetler birbirinin aynısı olmayabilir. İstatistik bu farklılıkları yok saymak yerine ölçer, özetler ve karar sürecine dahil eder. Böylece tek tek gözlemlerden daha genel bir sonuca ulaşılmaya çalışılır.

Bu süreçte bazı kavramlar birlikte çalışır. Bir araştırma sorusu önce birimlere ve değişkenlere dönüştürülür; değişken, her bir birim için farklı değer alabilen özelliktir. Gözlemlerden oluşan veri seti betimsel ölçülerle özetlenir. Daha sonra örneklemden elde edilen istatistik, ilgilenilen popülasyona ilişkin parametre hakkında fikir vermek için kullanılabilir. Örneğin bir spor merkezinin amacı, bütün müşterilerinin haftada ortalama ne kadar süre egzersiz yaptığını öğrenmek olsun. Bütün müşteriler popülasyonu, seçilen müşteriler örneklemi, her müşterinin haftalık egzersiz süresi değişkeni oluşturur. Seçilen müşteriler için hesaplanan ortalama bir istatistiktir; bütün müşteriler için geçerli olan gerçek ortalama ise parametredir. Örneklem ortalaması popülasyon ortalamasını doğrudan bilmek yerine onu tahmin etmeye yarar.

İstatistiksel düşünme, sayısal bir sonuç gördüğünde onun hangi gözlemlerden üretildiğini ve ne kadar genellenebilir olduğunu sormayı gerektirir. Aynı ortalama, dar bir aralıkta toplanmış verilerden de çok farklı değerlere sahip verilerden de çıkabilir. Bu nedenle sonuçları yalnızca tek bir sayı olarak değil, verinin yapısı ve örnekleme belirsizliğiyle birlikte değerlendirmek gerekir. Bir araştırmacının amacı, örneğin sağlık maliyetlerini planlamak veya öğrencilerin devamsızlık düzeyini anlamak olduğunda, istatistik ölçüm ile karar arasında bağlantı kurar.

Veri türleri, popülasyon, örneklem ve istatistiksel birim

İstatistiksel birim, hakkında ölçüm veya sınıflama yapılan tek bir gözlem birimidir; bu birim bir öğrenci, müşteri, hasta ya da seçmen olabilir. Her birim için kaydedilen özellik değişkendir. Veriler kategorik veya nicel olabilir. Kategorik veriler birimleri sınıflara ayırır; örneğin bir seçmenin belirli bir görüşü destekleyip desteklemediği. Nicel veriler sayısal değer taşır; haftalık egzersiz süresi veya iyileşme süresi buna örnektir. Nicel veriler sayılabilir değerler alıyorsa kesikli, bir aralıkta ölçümle ifade ediliyorsa sürekli olabilir.

Popülasyon, araştırma sorusunun ilgilendirdiği tüm birimlerin kümesidir. Örneklem ise bu popülasyondan incelenen birimlerden oluşur. Popülasyonun tamamını gözlemlemek zaman, maliyet veya erişim bakımından zor olduğunda örneklem kullanılır. Popülasyona ait sayısal özet parametre, örnekleme ait aynı türden özet ise istatistik olarak adlandırılır. Örneğin bir üniversitedeki tüm matematik öğrencileri popülasyon, bunlardan incelenen bir grup örneklem, her öğrencinin devamsızlık günü değişken ve örneklemden hesaplanan 3,5 günlük ortalama istatistiktir. Bu ayrım, hesaplanan değerin tüm gruba mı yoksa yalnızca incelenen gruba mı ait olduğunu anlamayı sağlar.

Betimsel istatistikler

Betimsel istatistikler, eldeki veri setini daha anlaşılır hale getiren özetlerdir. Merkezi eğilim ölçüleri verilerin tipik veya merkezdeki değerini anlatır. Aritmetik ortalama tüm değerlerin toplamının gözlem sayısına bölünmesiyle bulunur. Medyan, değerler sıralandığında gözlem sayısı tekse ortada kalan değer, çiftse ortadaki iki değerin aritmetik ortalamasıdır; mod ise en sık görülen değerdir. Ortalama uç değerlerden etkilenebilirken medyan, özellikle bazı gözlemler diğerlerinden çok uzak olduğunda merkezin daha dayanıklı bir göstergesi olabilir.

Yayılım ölçüleri verilerin merkez çevresinde ne kadar farklılaştığını gösterir. Açıklık, en büyük değer ile en küçük değer arasındaki farktır. Varyans ve standart sapma ise gözlemlerin ortalamadan uzaklıklarını birlikte özetler; standart sapma büyüdükçe verilerin ortalama çevresinde daha dağınık olması beklenir. Dağılımın biçimi de önemlidir: değerlerin hangi aralıklarda yoğunlaştığı, uçlarda gözlem bulunup bulunmadığı ve verilerin simetrik olup olmadığı tek başına ortalamadan daha fazla bilgi sağlayabilir.

Örneğin 30 öğrencinin önceki hafta izlediği film sayıları 0 ile 4 arasında değişiyorsa, bu veri bir frekans veya göreli frekans tablosuyla gösterilebilir. Ortalama, medyan ve mod öğrencilerin tipik film izleme düzeyini farklı açılardan özetler; açıklık ve standart sapma ise öğrenciler arasındaki farklılığın boyutunu gösterir. Aynı ortalamaya sahip iki sınıftan birinde öğrencilerin çoğu merkeze yakın, diğerinde ise değerler uçlara dağılmış olabilir. Bu nedenle betimsel analizde merkez, yayılım ve dağılım birlikte incelenir.

Bir örneklemden hesaplanan ortalama, medyan veya mod birer istatistiktir. Çok sayıda benzer örneklem alınsaydı bu istatistiğin farklı örneklemlerde nasıl değiştiği de incelenebilirdi. Böylece betimsel özet, yalnızca mevcut veri setini tanımlamakla kalmaz; örneklem sonuçlarının ne kadar değişken olabileceğini anlamaya da başlangıç sağlar.

Örneklemden popülasyona çıkarım ve belirsizlik

Çıkarımsal istatistik, bir örneklemde gözlenen sonuçlardan daha geniş bir popülasyon hakkında değerlendirme yapmayı amaçlar. Örneklem ortalaması popülasyon ortalamasının kendisi değildir; popülasyon parametresi için bilgi sağlayan bir istatistiktir. Farklı örneklemler seçildiğinde farklı ortalamalar elde edilebildiği için örneklemden yapılan sonuçlar kesinlik değil belirsizlik içerir. Bu belirsizliğin düzeyi, örneklemin popülasyonu ne kadar temsil ettiği ve istatistiğin örneklemden örnekleme ne kadar değiştiğiyle ilişkilidir.

Örneğin bir ilçedeki seçmenlerin belirli bir görüşü destekleme oranını öğrenmek isteyen araştırmacı, tüm seçmenleri incelemek yerine bir grup seçmeni gözlemleyebilir. Örneklemdeki destek oranı, ilçedeki gerçek orana ilişkin bir tahmin sağlar; ancak örneklemdeki kişilerin dağılımı popülasyonun yapısından farklıysa sonuç sapabilir. Bu yüzden çıkarımsal yorumlarda “popülasyondaki gerçek değer kesinlikle budur” demek yerine, örneklem verisinin desteklediği ve belirsizlik taşıyan bir değerlendirme yapılır. Örnekleme yöntemleri ile örneklem büyüklüğünün belirlenmesi ve güven aralıkları gibi ayrıntılı tahminler ayrı konulardır.

Hipotez testi ve istatistiksel karar mantığı

Hipotez testi, bir popülasyon hakkında öne sürülen iddianın eldeki örneklem verisiyle ne ölçüde uyumlu olduğunu değerlendiren karar çerçevesidir. Genellikle sıfır hipotezi, gözlenen farkın veya etkinin özel bir durumdan kaynaklanmadığını ifade eder; alternatif hipotez ise araştırılan fark ya da ilişkinin varlığına işaret eder. Örneklemden hesaplanan istatistik, sıfır hipotezi doğru kabul edildiğinde ne kadar alışılmadık göründüğüyle karşılaştırılır.

Karar, verinin sıfır hipotezine karşı ne kadar kanıt sunduğuna dayanır. Güçlü kanıt varsa sıfır hipotezi reddedilebilir; kanıt yetersizse sıfır hipotezi reddedilemez. “Reddedilemedi” ifadesi, sıfır hipotezinin kesin olarak doğru olduğunu göstermez. Örneğin bir ders yönteminin ortalama başarı puanını değiştirdiği iddiası incelenirken, örneklemdeki farkın yalnızca örnekleme değişkenliğiyle açıklanıp açıklanamayacağı değerlendirilir. Hesaplama ayrıntıları ve farklı test türleri ayrı bir konudur.

Değişkenler arasındaki ilişki ve regresyona giriş

İstatistik, tek bir değişkenin dağılımını özetlemenin yanında iki değişkenin birlikte nasıl değiştiğini incelemek için de kullanılır. İlişki, bir değişkendeki değerler değişirken diğer değişkenin de belirli bir yönde değişme eğilimi göstermesidir. Örneğin haftalık çalışma süresi ile sınav puanı aynı öğrenciler için kaydedildiğinde, bu iki değişkenin birlikte artma veya azalma eğilimi gösterip göstermediği incelenebilir. İlişkinin yönü ve gücü, verilerin ortak hareketinin ne kadar düzenli olduğunu anlatır; tek başına ilişki gözlemek, bir değişkenin diğerine neden olduğunu kanıtlamaz.

Regresyona giriş, bir değişkeni başka bir değişkenin bilgisiyle yaklaşık olarak açıklama veya tahmin etme fikrini tanıtır. Basit bir regresyon yaklaşımında bir sonuç değişkeni ile onu açıklamak için kullanılan değişken arasındaki doğrusal eğilim özetlenir. Örneğin çalışma süresinden sınav puanını tahmin etmeye yönelik bir doğru düşünülebilir; bu doğru bütün öğrencilerin puanını tam olarak vermez, verideki genel eğilimi temsil eder. Tahmin hataları ve modelin uygunluğuna ilişkin ayrıntılı regresyon modelleme konuları ayrı bir başlıkta ele alınır.