Up next in 10
Auzef İstatistik 2025-2026 Bütünleme Soruları (Bahar)
https://lolonolo.com/2026/07/20/istatistik-2025-2026-butunleme-sorulari-bahar/
https://lolonolo.com
Show More Show Less View Video Transcript
0:00
Şöyle bir düşünün. Her gün
0:01
ekranlarımızdan, okuduğumuz raporlardan
0:03
ya da haberlerden üzerimize adeta kaotik
0:06
bir veri seli akıyor. Peki bu sayılar
0:09
denizinde boğulmadan dünyayı nasıl
0:11
anlamlandıracağız?
0:13
Sadece rakamlara bakarak o karmaşık
0:15
eğilimleri, gizli gerçekleri ve hatta
0:17
geleceğe dair ipuçlarını görmek
0:19
gerçekten mümkün mü? Kesinlikle mümkün.
0:22
2025-2026 istatistik bahar dönemi
0:25
materyallerine özetlediğimiz bu kaynak
0:27
incelemesinde tam da bunu yapacağız. O
0:30
korkutucu sayı yığınlarını nasıl kontrol
0:32
altına alacağımızı hep birlikte
0:34
keşfedeceğiz. Odaklanmayı seven değerli
0:36
dostlar bu incelemeye hoş geldiniz.
0:39
Biliyorum istatistik kelimesini duymak
0:41
bile bazen göz korkutucu olabiliyor ama
0:43
bugün işler değişecek. O karmaşık
0:46
görünen kavramları alıp cebinizde
0:48
taşıyabileceğiniz pratik ve inanılmaz
0:50
derecede güçlendirici bir araç kitine
0:52
dönüştüreceğiz. Amacımız gayet net.
0:54
Kaostan çıkıp netliğe ulaşmak. Sayıların
0:57
bize fısıldattığı o gizli hikayeyi
0:59
okumaya hazırsanız hemen başlayalım.
1:02
Peki bugün nelerden bahsedeceğiz? Kısaca
1:04
yol haritamıza bakalım. Önce
1:06
istatistiğin özü ile başlıyoruz.
1:09
Ardından merkezi bulmak, yayılımı
1:11
ölçmek, verileri sınıflandırıp olasılığa
1:13
girmek ve son olarak da ekonomik
1:16
değişimleri izlemek var. İlk durağımız
1:18
1inci bölüm istatistiğin özü.
1:21
Zihnimizdeki o araç kutusunun ilk
1:23
çekmecesini açalım. Yani temel
1:24
kavramımız nedir? Bu istatistik aslında
1:27
sadece sayılarla oynamak değil.
1:30
istatistik, verilerin toplanması,
1:32
düzenlenmesi, özetlenmesi, analiz
1:34
edilmesi ve en önemlisi karar vermek
1:37
için bunlardan anlamlı sonuçlar
1:38
çıkarılmasını sağlayan bilimsel bir
1:40
disiplin. Düşünün bu tek cümlelik tanım
1:43
aslında günümüzdeki o devasa veri
1:45
biliminin ve modern araştırmaların tam
1:47
kalbini oluşturuyor. Bir veri kümesini
1:49
anlamlandıracaksak attığımız her adımın
1:51
temelinde işte bu mantık yatıyor. Geldik
1:54
ikinci bölüme. Merkezi bulmak. Şimdi bir
1:58
veri okyanusunda olduğunuzu hayal edin.
2:00
Bu kaosu anlamak için önce o okyanusun
2:03
ağırlık merkezini bulmamız lazım. Buna
2:05
merkezi eğilim ölçüleri diyoruz. Koca
2:08
bir veri kümesini tek bir sayıya
2:10
indirgemenin şaşırtıcı derecede farklı
2:12
yolları var. Hepimizin okuldan bildiği o
2:15
meşhur aritmetik ortalama başı çekiyor
2:16
tabii ama durum her zaman bu kadar basit
2:18
olmuyor. Bazen geometrik ortalamaya
2:21
ihtiyacımız oluyor. Bazen verileri
2:22
sıraya dizip tam ortadakini alıyoruz.
2:24
Yani medyan. Bazen de en çok tekrar eden
2:27
o zirveyi gösteren değeri arıyoruz. İşte
2:29
bu da mod. Bir de gözlem değerlerinin
2:31
kareleri alınarak hesaplanan kareli
2:33
ortalama var. Hepsinin amacı aynı
2:35
aslında. Karmaşayı tek bir temsilciyle
2:37
özetlemek. Bakın burası çok kritik.
2:40
Dağılımlar değişse de asla unutmamanız
2:43
gereken altın değerinde bir kuralımız
2:45
var. Hani şu sınavlarda da çok severler
2:47
ya. Eğer elinizde tam simetrik bir seri
2:49
varsa yani veriler mükemmel bir denge
2:52
içinde dağılmışsa aritmetik ortalama
2:55
medyan ve mod daima ama daima birbirine
2:58
eşittir. O üç farklı merkez noktası
3:00
gelir tam olarak aynı hizada buluşur.
3:03
3üncü bölümümüz yayılımı ölçmek. Tamam
3:06
merkezi bulduk çapamızı attık. Peki ama
3:09
geri kalan o veriler merkez etrafında ne
3:11
kadar dağınık? Herkes merkeze yakın mı
3:13
yoksa ortalık darmadağan mı? İşte tam
3:16
burada varyans ve standart sapma devreye
3:18
giriyor. Bu ikisi verilerin
3:19
belirlediğimiz o merkezden ne kadar
3:21
saptığını ölçen en yaygın araçlarımız.
3:24
Yani veri kümemizin gerçek karakterini,
3:26
o gizli yüzünü bu sapmalar sayesinde
3:29
öğreniyoruz. Şimdi diyeceksiniz ki peki
3:32
bu benim ne işime yarayacak? Şöyle ki
3:34
diyelim elinizde yapısal olarak tamamen
3:36
birbirinden farklı iki veri seti var.
3:38
Kelimenin tam anlamıyla elmalarla
3:40
armutları karşılaştırmak ve hangisinin
3:42
daha tutarlı, daha istikrarlı olduğunu
3:44
bulmak istiyorsunuz. İşte o noktada
3:46
kahramanımız değişim katsayısı. Standart
3:49
sapmayı alıp aritmetik ortalamaya
3:51
böldüğünüzde o elmalar ve armutlar aynı
3:54
dile çevrilir. Hangi serinin daha
3:55
homojen olduğunu şak diye bulursunuz.
3:58
İnanılmaz pratik bir araç. 4. bölüme
4:00
geçiyoruz. Verileri sınıflandırma ve
4:02
olasılık. Ölçümleri öğrendik ama bu
4:05
verileri nasıl düzenliyoruz?
4:06
İstatistikçiler bunu çok net bir şekilde
4:09
ayırıyor. Eğer verileri zamana göre
4:11
kronolojik olarak sıralarsanız buna
4:13
zaman serisi diyoruz. Eğer coğrafi bir
4:16
konuma göre diziyorsanız bu bir mekan
4:18
serisi oluyor. Ve eğer diyorsanız ki
4:21
hayır ben hem zamanı hem de mekanı aynı
4:23
anda işin içine katmak istiyorum. İşte o
4:25
zaman çok daha güçlü ve kapsamlı olan
4:28
panel seriler ortaya çıkıyor. Bir de
4:30
değişkenlerin doğasını iyi anlamamız
4:32
lazım. Burada çok keskin bir ayrım var.
4:34
Kesikli ve sürekli değişkenler. Düşünün
4:36
bir otobüsteki yolcu sayısını
4:38
hesaplıyorsunuz. Yarım bir insan
4:40
sayamazsınız mi? Sadece tam sayılarla
4:42
ifade edebildiğimiz, sayarak bulduğumuz
4:44
bu tür verilere kesikli değişken
4:46
diyoruz. Ama iş ağırlık ölçmeye ya da
4:49
geçen süreyi hesaplamaya gelince işler
4:51
değişir. Zaman akışkandır. Sürekli
4:53
bölünebilir. İşte ölçüm yoluyla elde
4:55
ettiğimiz bu tür akışkan kavramlara da
4:57
sürekli değişken diyoruz. Verilerimizi
4:59
sınıflandırdık. Her şeyi yerli yerine
5:01
koyduk. Peki geleceği nasıl tahmin
5:03
edeceğiz? İşte burada verilerle gelecek
5:06
arasına muazzam bir köprü kuruyoruz.
5:08
Olasılık teorisi. Bu teoriye aslında
5:10
rastsal olayların yani rastgele gibi
5:12
görünen şeylerin gerçekleşme
5:14
ihtimallerini matematiksel olarak
5:15
modellediğimiz yer. İncelenen
5:17
değişkenlerin gelecekte ne yapacağını
5:19
tahmin etmemizi sağlayan o eşsiz
5:21
matematiksel pusulamız ta kendisi. Ve
5:23
geldik son bölümümüze. Ekonomik
5:26
değişimleri izlemek. Öğrendiğimiz bu
5:28
formüller aslında bizi gerçek dünyadaki
5:30
ekonomik yanılsamalardan koruyan birer
5:32
kalkan. Markete gittiğinizde fiyatların
5:34
aydan aya nasıl değiştiğini izlemek için
5:36
endeksleri kullanıyoruz. Eğer sadece tek
5:38
bir ürünün mesela sadece sütün fiyat
5:41
hareketini takip ediyorsanız bunun adı
5:43
basit indeks. Ama siz bir sepet dolusu
5:45
farklı ürünün fiyat değişimine
5:46
bakıyorsanız işte o zaman daha karmaşık
5:49
olan bileşik indeksleri devreye
5:51
sokuyoruz. Ekonomide gördüğümüz o devasa
5:53
sayılar her zaman gerçeği söylemez. Peki
5:56
enflasyonun o göz boyayan şişirilmiş
5:59
etkisini aradan nasıl çıkaracağız?
6:01
Aslında üç adımlı çok zarif bir
6:03
tarifimiz var. Birinci adım cari nominal
6:06
fiyatları yani bugünkü etiket
6:09
fiyatlarını alın. İkinci adım buna sabit
6:12
esaslı fiyat indeksini uygulayın ki o
6:14
enflasyonun etkisi tamamen temizlensin.
6:17
Ve çüncü adım tada elinizde o saf
6:21
tertemiz gerçek reel fiyat serisi
6:23
kalsın. verilerin ardındaki gerçek
6:25
ekonomik değere ulaşmanın reçetesi tam
6:28
olarak budur. Tüm bu yolculuğun sonunda
6:31
size o vuruşu soruyu sormak istiyorum.
6:34
Peki bu enflasyonu takip eden görünmez
6:36
indeksler şu anki kendi günlük
6:38
kararlarınızın ve birikimlerinizin
6:40
gerçek değerini sizce nasıl
6:42
şekillendiriyor? Görüyorsunuz istatistik
6:45
sadece kağıt üzerinde kalan sınavlarda
6:47
ezberlenecek bir formüller yığını değil.
6:50
İstatistik, dünyayı okuma, yalanları
6:53
ayıklama ve tamamen bilinçli kararlar
6:55
verme sanatıdır. Bugün incelediğimiz bu
6:57
araç kitini kendi hayatınızda kullanmaya
6:59
başladığınızda inanın bana hiçbir şey
7:02
eskisi gibi görünmeyecek. Merak etmeye,
7:04
etrafınızı sorgulamaya ve verilerin size
7:07
anlattığı o gizli hikayeyi okumaya devam
7:09
edin. Bir sonraki incelemede görüşmek
7:11
üzere.
7:13
Bak
#Jobs & Education