Up next in 10
Auzef İstatistik Analiz 2024-2025 Final Soruları (İşletme)
auzef, İşletme, İstatistik Analiz
https://lolonolo.com/2026/03/24/istatistik-analiz-2024-2025-final-sorulari-isletme/
https://lolonolo.com
Show More Show Less View Video Transcript
0:00
Peki elinizdeki o kocaman veri yığınları
0:03
onları sizi rakiplerinizden bir adım öne
0:05
taşıyacak böyle sağlam kendinizden emin
0:08
olduğunuz iş kararlarına nasıl
0:09
dönüştürebilirsiniz? Aslında cevap
0:11
basit. İstatistiğin gücünde. Hadi gelin
0:14
bu gücü nasıl kullanırız? Hep beraber
0:16
keşfedelim. Yani bu sorular eminim pek
0:19
çok yöneticinin geceleri uykusunu
0:21
kaçırıyordur. Ama biliyor musunuz? Doğru
0:24
araçlar elinizdeyse cevapların hepsi
0:27
aslında o verilerin içinde bir yerlerde
0:29
gizli. Şimdi hadi o istatistik araç
0:31
setimizi bir açalım. Bakalım bu gizemi
0:33
nasıl çözeceğiz görelim. Peki yol
0:36
haritamız ne? Önce değişkenler
0:39
arasındaki o gizli bağlantıları yani
0:41
ilişkileri nasıl anlarız ona bakacağız.
0:43
Sonra en önemli kısım doğru veriyi nasıl
0:46
toplarız? E veriyi topladık. Peki o
0:48
kesin böyledir dediğimiz inançlarımızı
0:50
nasıl test edeceğiz? İşte hipotezler
0:52
burada devreye giriyor ve tabii ki en
0:54
sonunda bütün bu sonuçları nasıl
0:56
yorumlayıp o büyük kararı vereceğiz onu
0:58
göreceğiz. Bu adımların sonunda emin
1:01
olun istatistiksel düşüncenin gücü sizin
1:03
için çok daha anlamlı olacak. Hadi
1:05
başlayalım o zaman. Tamamdır. Araç
1:08
setimizdeki ilk alete uzanıyoruz şimdi.
1:10
Regresyon analizi. Nedir bu regresyon
1:13
derseniz aslında değişkenler arasındaki
1:15
o görünmez bağlantıları matematiksel
1:18
olarak gözler önüne seren, onları
1:20
ölçmemizi sağlayan acayip güçlü bir
1:22
yöntem. Şimdi bu korelasyon katsayısı
1:24
yani r dediğimiz şey bize ne anlatıyor?
1:27
Aslında şöyle düşünün. Eğer sonuç + 1'e
1:30
çok yakınsa bu mükemmel bir dostluk
1:33
demek. Biri artarken diğeri de onunla
1:35
artıyor. Mesela hava ısındıkça dondurma
1:38
satışlarının patlaması gibi. Ama eğer
1:40
sonuç -1'e yakınsa bu da tam tersi. Zıt
1:43
bir ilişki demek. Biri artarken diğeri
1:46
azalıyor. Yine aynı örnekten gidelim.
1:48
Hava ısındıkça kışlık montlarının
1:50
düşmesi gibi. Bu kadar basit. İşte
1:54
ekranda gördüğünüz gibi +095 gibi bir
1:56
değer. Bu ne demek biliyor musunuz? Bu
1:58
bir değişken arttığında diğerinin de
2:01
neredeyse tıkır tıkır mükemmel bir
2:03
uyumla arttığı anlamına geliyor.
2:05
Düşünsenize reklam harcamalarıyla
2:07
satışlar arasında böyle bir ilişki
2:08
bulmak işte bu her yöneticinin
2:10
rüyasıdır. Regresyon katsayısı yani o
2:14
denklemdeki B. Bunu hakikaten bir
2:16
değişim reçetesi gibi düşünebilirsiniz.
2:19
Yani X'e ne kadar koyarsak Y'den o kadar
2:22
alırız. Bize bu etki tepki
2:24
mekanizmasının sırrını veren sihirli
2:26
sayı işte bu B katsayısı. İşte bakın
2:30
somut bir model var önümüzde. Rakamlar
2:32
ne diyor bize? Buradaki kilit sayı o
2:35
sihirli sayı 4,6 yani bizim B
2:38
katsayımız. Bu şu demek. X değişkenine
2:41
yani diyelim ki reklam harcamanıza
2:43
koyduğunuz her bir birim Y değişkeninde
2:46
yani satışlarınızda tam 4,6 birimlik bir
2:49
artış yaratıyor. Gördünüz mü? Artık
2:51
elinizde sadece bir sürü rakam yok.
2:54
Geleceği tahmin eden, size yol gösteren
2:56
bir motor var. Peki madem elimizde böyle
2:59
bir motor var, hadi bir test edelim.
3:02
Modelimiz bu. Şimdi size soruyorum. X'in
3:05
yerine 10 koyarsak sizce Y kaç olur? Bir
3:08
düşünün bakalım. Ve cevap 73. Evet,
3:12
hesaplaması çok basit. 7,5'a 6.55 x 10'u
3:17
ekliyorsunuz. O kadar. Ama buradaki asıl
3:19
olay rakam değil. Bu basit matematik
3:21
işleminin arkasındaki güç bu gelecekteki
3:24
satışları müşteri memnuniyetine hatta
3:27
üretimdeki verimliliği öngörebilme gücü
3:29
demek. Harika. Artık elimizdeki
3:32
verilerle ilişkileri nasıl analiz
3:34
edeceğimizi biliyoruz. Ama bir dakika.
3:37
Analiz edeceğimiz o verinin güvenilir
3:39
olduğundan nasıl emin olacağız? Yani
3:42
doğru veriyi nasıl toplayacağız? İşte
3:45
tam bu noktada ikinci aracımız örnekleme
3:47
devreye giriyor. Mesela diyelim ki hedef
3:51
kitleniz coğrafi olarak çok dağınık.
3:53
Yani ülkenin 4 bir yanındalar ve
3:56
elinizde herkesin olduğu tam bir listede
3:58
yok. İşte o zaman küme örneklemesi tam
4:01
bir can kurtaran. Ne yapıyorsunuz? Koca
4:03
ülkeyi bölgelere, şehirlere
4:05
ayırıyorsunuz. Bunlar sizin kümeleriniz
4:07
oluyor. Sonra bu kümelerden rastgele
4:09
birkaçını seçip sadece oralarda
4:11
araştırma yapıyorsunuz. Sonuç hem
4:13
zamandan hem de bütçeden inanılmaz bir
4:16
tasarruf. Gelelim standart hataya. Bunu
4:20
yaptığınız tahminin bir nevi
4:22
güvenilirlik puanı gibi
4:23
düşünebilirsiniz. Ya da şöyle diyelim.
4:26
Tahmininizin sarsıntı payı. Bu rakam ne
4:28
kadar küçük çıkarsa o kadar iyi.
4:31
Demektir ki tahmininiz hedefe o kadar
4:33
yakın. Tam 12'den vurmaya çok
4:35
yakınsınız. Kısacası bu rakam bize şunu
4:38
fısıldıyor. Tahminine ne kadar
4:39
güvenebilirsin? Şimdi bu teori biraz
4:42
havada kalmasın. Gelin sayılarla
4:44
somutlaştıralım. Diyelim ki 225 kişilik
4:47
bir örneklem topladınız ve bu verilerin
4:49
standart sapması yani ortalama
4:51
etrafındaki yayılımı 36 çıktı. Şimdi ne
4:54
yapıyoruz? Çok basit. Bu yayılımı yani
4:57
36'yı örneklem büyüklüğümüzün yani
5:00
225'in kareköküne yani 15'e bölüyoruz.
5:03
Sonuç 2.4. İşte bu kadar. Artık
5:06
tahminimizin ne kadar sağlam olduğunu
5:08
gösteren bir sayımız var. Evet. Şimdi
5:10
geldik işin en heyecanlı kısmına.
5:13
Analizimizin tam kalbine. Elimizde bir
5:15
iddia var, bir inanç var. Peki bunun
5:18
doğru olup olmadığını sezgilerimizle
5:20
değil de verilerle böyle bilimsel olarak
5:23
nasıl test ederiz? İşte bu sorunun
5:25
cevabı hipotez testleri. Düşünün bir
5:28
konserve fabrikanız var ve diyorsunuz ki
5:30
bizim kutularımız ortalama 500 gramdır
5:33
ama bir şüphe düşüyor içinize. Acaba
5:35
gerçekten öyle mi? İşte tam da bu
5:38
noktada bu iddiayı test etmemiz
5:40
gerekiyor. Ama nasıl? Bu süreci aynen
5:43
bir mahkeme salonu gibi düşünün. Sıfır
5:45
hipotezi yani H0 bizim sanığımız,
5:47
fabrikanın iddiası. Ortalama ağırlık 500
5:50
gramdır diyor ve suçu kanıtlanana kadar
5:52
masum kabul ediliyor. Alternatif hipotez
5:54
ise yani H1 iddia makamı hayır 500 gram
5:58
değildir diyor. Bizim işimiz ne? Savcı
6:00
gibi bu ikinci iddiayı destekleyecek
6:02
kadar güçlü, reddedilemez kanıtlar
6:04
bulmak. Ve kanıt toplama başlıyor. Ne
6:07
yapıyoruz? Raftan rastgele 49 tane
6:09
konserve kutusu alıyoruz ve tartıyoruz.
6:12
Sonuç ne çıkıyor? Ortalama 490 gram.
6:15
Hım. Fabrika 500 diyordu. Biz 490
6:17
bulduk. Arada 10 gramlık bir fark var.
6:20
İşte milyon dolarlık soru geliyor. Bu 10
6:22
gramlık fark sadece bir tesadüf mü yoksa
6:25
gerçekten ortada bir sorun olduğuna dair
6:27
sağlam bir kanıt mı? Bütün hesaplamaları
6:30
yaptık. Formülleri çalıştırdık ve
6:32
elimize tek bir sayı geçti. Bu sayı
6:35
topladığımız bütün kanıtların özeti
6:38
davadaki en güçlü delilimiz ve o sayı
6:41
-5. Şimdi bu delilimizi yani -5'i alıp
6:46
istatistiğin kural kitabı ile
6:47
karşılaştırıyoruz. Kural kitabı ne
6:49
diyor? Diyor ki eğer fabrikanın iddiası
6:52
doğru olsaydı senin bulacağın sonuç
6:54
büyük ihtimalle -1,96
6:57
ile + 1,96 arasında bir yerde olurdu.
7:00
Peki biz ne bulduk? -5. Yani olması
7:03
gereken aralığın çok ama çok dışındayız.
7:06
Bu artık tesadüf denilemeyecek kadar
7:08
güçlü bir kanıt. Evet, tüm kanıtlar
7:12
masada, analizler yapıldı. Artık jürinin
7:16
yani bizim karar verme zamanı geldi.
7:19
Sürecin en kritik anındayız.
7:22
İstatistiksel olarak kararımız net. -5,
7:25
-1.96'nın
7:27
çok uzağında olduğu için sonucumuz
7:29
anlamlı. Bu yüzden sıfır hipotezini yani
7:32
sanığın masum olduğu iddiasını
7:34
reddediyoruz. Peki bu ne demek? Bu şu
7:37
demek. Fabrikanın biz masumuz iddiasını
7:39
çürütecek kadar ama o kadar güçlü
7:42
kanıtlar buldu ki artık iddianın doğru
7:44
olmadığına neredeyse %100 eminiz. Peki
7:48
tüm bu istatistiksel jargonu bir kenara
7:50
bırakalım. Bir yönetici olarak bizim
7:53
kararımız ne olmalı? Çok net. Elimizdeki
7:56
verilere göre konserve kutularının
7:58
ortalama ağırlığı iddia edilen 500
8:00
gramdan ciddi şekilde farklı. Bu durum
8:03
fabrikanın kalite standartları iddiasını
8:05
desteklemiyor ve acilen araştırılması
8:08
gereken bir sorun var demektir. Bakın ne
8:10
yaptık. Küçücük bir şüpheyle yola
8:12
çıktık. Verilerin izini sürdük ve
8:14
sonunda kendimizden emin arkasında
8:16
durabileceğimiz sağlam bir karara
8:18
vardık. Sadece bence böyle demek yerine
8:21
veriler böyle gösteriyor demek. İşte
8:24
istatistiksel düşüncenin iş dünyasına
8:26
kattığı o muazzam güç tam olarak bu.
8:29
Artık bu araç setinin temel parçaları
8:31
elinizde. Şimdi asıl soru şu: Siz ilk
8:34
olarak kendi işinizdeki hangi varsayımı
8:37
test ederdiniz? Belki de yıllardır kesin
8:39
doğrudur diye düşündüğünüz bir şeyin
8:41
aslında kocaman bir efsane olduğunu
8:43
keşfetmek sizi sandığınızdan çok daha
8:46
fazla şaşırtabilir. düşünmeye değer.
#Education