Up next in 10
Auzef İstatistik Analiz 2025-2026 Vize Soruları (Bahar)
İstatistiksel Analiz ve Örnekleme Teorisi Rehberi
https://lolonolo.com/2026/05/23/istatistik-analiz-2025-2026-vize-sorulari-bahar/
https://lolonolo.com
Show More Show Less View Video Transcript
0:00
Selamlar. Herkes hoş geldi. Biliyorum
0:02
Ufukta devasa bir istatistik vizesi
0:04
görünüyor ve biraz gerginiz ama derin
0:06
bir nefes alın. Çünkü bu istatistiksel
0:07
analiz vize rehberiniz o sınavı tabiri
0:10
caizse darmadağan etmeniz için
0:11
tasarlandı. Sıkıcı ders kitaplarına o
0:14
boğucu akademik dili bir kenara
0:15
bırakıyoruz. Bugün sizinle birer çalışma
0:17
arkadaşı gibi kafa kafaya vereceğiz.
0:19
Amacımız kuru kuruya ezber yapmak değil.
0:21
İşin asıl mantığını kavramak. Eh
0:23
kahveniz ve not defteriniz hazırsa hiç
0:25
vakit kaybetmeden dalalım. Şimdi çoğumuz
0:28
istatistik dendiğinde böyle formüllerden
0:31
içinden çıkılmaz kuru sayılardan ibaret
0:33
bir şey hayal ediyoruz. Ama aslında olay
0:35
hiç de öyle değil. İstatistiği bir
0:37
dedektiflik çantası gibi düşünün.
0:39
Karşımızda asla tamamını görüp
0:41
ölçemeyeceğimiz kadar devasa gizemli bir
0:43
kitle var. Bizim görevimizde ne?
0:45
Elimizdeki küçücük ipuçlarını kullanarak
0:48
o büyük resme dair sırları açığa
0:50
çıkarmak. Peki bu dedektiflik işini
0:52
pratikte nasıl yapıyoruz? Öncelikle
0:54
haritamızı bir görelim. Başta ana kütle
0:56
ve örneklem gibi temel kavramları
0:58
cebimize koyacağız. Sonra doğru
1:00
örneklemi nasıl seçeceğimize bakacağız.
1:02
Ardından tahminler yapacağız.
1:04
Dağılımları ve o meşhur merkezi limit
1:05
teoremini konuşacağız. En sonunda da
1:07
hipotezler ve hata türleriyle bu işe
1:09
noktayı koyacağız. O zaman 1inci bölümle
1:12
başlıyoruz. Temel kavramlar yani büyük
1:16
resim ve o resimden kopardığımız küçük
1:18
parça. Bakın gözümüzü diktiğimiz o nihai
1:22
devasa hedefe ana kütle diyoruz.
1:25
Kaynaklarımız bunu incelemeye konu olan
1:27
bütün birimlerin oluşturduğu kütle
1:29
olarak tanımlıyor. Düşünsenize bütün
1:32
ülkenin seçmenleri, bir fabrikanın
1:34
ürettiği milyonlarca vida veya dünyadaki
1:37
tüm penguenler. Bu bizim ulaşmak
1:39
istediğimiz o büyük gerçek. Ama takdir
1:42
edersiniz ki dünyadaki bütün penguenleri
1:45
tek tek saymak yani imkansız, çok pahalı
1:48
ve vaktimiz yok. İşte tam bu noktada o
1:51
devasa ana kütleyi ölçememe derdimize
1:54
hızır gibi yetişen çözüm devreye
1:56
giriyor. Örneklem çok sayıda birim
1:59
içeren o büyük ana kütleden makul bir
2:01
parça çekiyoruz. Sonra bu küçük gruptan
2:04
hesapladığımız istatistikle koskoca ana
2:06
kütleyi tahmin ediyoruz. Çok basit bir
2:09
mantığı var aslında. Hani çorbanın
2:11
tadını anlamak için koca tencereyi
2:13
kafanıza dikmezsiniz değil mi? Bir kaşık
2:15
alıp tadına bakarsınız. Bütün olay bu.
2:18
Geldik ikinci bölüme. Doğru örnekleme
2:20
yöntemini seçmek. Tamam, çorbadan bir
2:22
kaşık alacağız ama o kaşığı nereden ve
2:25
nasıl alacağız ki tüm tencerenin tadını
2:28
bize doğru versin? Şimdi diyelim ki
2:30
karşınızdaki ana kütledeki her şey
2:32
birbirinin kopyası gibi yani homojen.
2:35
Kaynaklarımıza göre böyle bir durumda
2:37
basit tesadüfi örnekleme kullanıyoruz.
2:40
çek birini gitsin. Ama eğer popülasyonun
2:43
genel yapısı çok renkli heterojen bir
2:46
yapıdaysa ve kendi içinde benzer
2:48
özellikler taşıyan alt gruplara yani
2:51
zümrelere ayrılabiliyorsa o zaman
2:53
kesinlikle zümrelere göre yani tabakalı
2:56
örnekleme kullanmalıyız. Sınavda bu
2:58
homojen ve heterojen kelimelerini
3:00
gördüğünüz an ampuller yansın. Sınavda
3:02
karşınıza çıkacak bir diğer popüler
3:04
yöntem de sistematik örnekleme. Bunu
3:06
zihninizde üç adımlı bir algoritma gibi
3:08
kodlayın. 1. Önce herkesi listele ve
3:10
numaralandır. 2. O devasa ana kütle
3:13
büyüklüğünü istediğin örnek büyüklüğüne
3:15
böl. İşte bu sana k değerini yani
3:17
örnekleme oranını verecek. 3. Git ve
3:19
listeden her K'nıncı birimi çek al.
3:21
Sınav kağıdında o K harfine
3:23
hesapladığınız anı şimdiden hayal
3:25
edebilirsiniz. Harika. 3. bölüme
3:28
geçiyoruz. Nokta ve aralık tahminleri.
3:30
Örneklememizi elimize aldık. Peki bu
3:32
küçük parçayla o koca popülasyon
3:35
hakkındaki gerçeği nasıl tahmin
3:36
edeceğiz? Tahmin yapmanın iki farklı
3:38
yolu var arkadaşlar. Bir yanda nokta
3:40
tahmini, diğer yanda aralık tahmini.
3:43
Nokta tahmini biraz cesur bir
3:44
harekettir. Ana kütle parametresini tek
3:46
bir değer olarak tahmin eder. Yani dart
3:48
okunu fırlatıp tam 12'den vurmaya
3:50
çalışmak gibidir. Aralık tahmini ise
3:53
daha temkinli takılır. Ana kütle
3:55
ortalamasının içinde bulunabileceği bir
3:57
alt ve üst sınır verir. Size hedefi
3:59
tutturma ihtimali yüksek bir alan sunar.
4:01
Sınavda bu ikisinin zıtlığını mutlaka
4:03
hatırlayın. Tabii bir aralık veriyorsak
4:05
ne kadar güvende olduğumuzu da
4:07
söylememiz lazım değil mi? Güven
4:09
olasılığı formülde 1 - alfaile
4:12
gösteriliyor ve işte sınavda hayat
4:14
kurtaracak o altın kural. Ortalamanın
4:17
standart hatası büyüdükçe güven
4:19
sınırları genişler. Neden mi? E çünkü
4:22
hata payınız artarsa o gerçeği yakalamak
4:24
için ağı çok daha geniş bir alana
4:26
atmanız gerekirdi. Ondan bunu aklınızın
4:29
bir köşesine mutlaka kazıyın. 4. bölüm.
4:32
Dağılımlar ve merkezi limit teoremi.
4:34
Yaptığımız bu tahminlerin uydurmasyon
4:36
olmadığını, sağlam bir istatistiksel
4:39
temele oturduğunu nasıl biliyoruz? İşte
4:41
işin teori kısmı burada başlıyor. Bu
4:43
teorem hiç abartmıyorum istatistiğin
4:46
gerçek büyüsüdür. düşünün. Karşınızdaki
4:49
ana kütlenin dağılımı ne kadar çarpık,
4:50
ne kadar tuhaf olursa olsun, merkezi
4:52
limit teoremi diyor ki, "Eğer örneklem
4:55
hacmini yatarınca arttırırsan o örnek
4:57
ortalamalarının dağılımı giderek
4:59
pürüzsüzleşir ve bir çan eğrisine yani
5:02
normal dağılıma yaklaşır." Muazzam bir
5:04
şey. Karmaşanın yeterli veriyle nasıl
5:06
kusursuz bir düzene dönüştüğünü
5:08
gösteriyor bize. Peki yeterli veri
5:10
nedir? İşte sihirli sayı 30. Evet 30. Bu
5:14
sayı istatistikte adeta bir sınır
5:16
kapısıdır. Eğer örneklem hacminiz yani o
5:19
meşhur n değeriniz 30'un altındaysa ve
5:22
ana kütlenin varyansını da bilmiyorsanız
5:24
normal dağılımı kullanamazsınız.
5:26
Kaynaklarımız çok net. Bu durumda n -1
5:29
serbestlik dereceli student t dağılımı
5:31
kullanmak zorundasınız. Vizede 30'dan
5:34
küçük bir en gördüğünüz an beğinizde
5:36
kırmızı ışıklar yansın ve aklınıza hemen
5:39
T dağılımı gelsin. Bakın hazır yeri
5:41
gelmişken çalışma notlarımızın bize
5:43
özellikle uyardığı çok ama çok tehlikeli
5:45
bir tuzağa dikkat çekmek istiyorum.
5:47
Sınavda şu cümleyi görebilirsiniz. Ana
5:50
kütle dağılımı normal ancak varyansı
5:51
bilinmiyorsa her koşulda standart normal
5:54
dağılım kullanılır. Aman diyeyim. Bu
5:56
kesinlikle yanlıştır. Az önce anlattık.
5:58
Varyans bilinmiyorsa ve n 30'dan küçükse
6:00
işler değişir. Bu ifadeyi şıklarda
6:03
görürseniz hiç acımadan üzerini çizin.
6:05
Bu klasik bir öğrenci avlama tuzağıdır.
6:07
Teori kısmını kapatırken şu tanımı da
6:09
aradan çıkaralım. Örnek ortalamaları
6:11
teorik dağılımı. Bu bir ana kütleden
6:14
çekebileceğiniz tüm o akla hayale sığan
6:16
olası örnekleri çekip hepsinin teker
6:18
teker ortalamasını hesaplayıp
6:20
olasılıklarını belirleyerek
6:22
oluşturduğunuz devasa bir dağılımdır.
6:24
Tüm senaryoları kapsayan koca bir harita
6:27
gibi düşünün. Hemen buraya küçük bir
6:29
ezber ipucu sıkıştırayım. Sınavda
6:31
saniyelerle yarışırken o karmaşık
6:33
tablolar arasında kaybolmamak için alfa
6:36
= 0,01 olduğunda Z değerinin yaklaşık
6:40
2,57 olduğunu aklınızda tutun. İnanın
6:43
bana bu küçücük bilgi kırıntısı size çok
6:45
kıymetli dakikalar kazandıracak. Ve
6:48
geldik son bölüme. Bölüm 5. Hipotezler
6:50
ve hata türleri. Her şeyi ölçtük,
6:53
biçtik, tahminleri yaptık. Peki ama öne
6:55
sürdüğümüz fikirlerin doğru olup
6:57
olmadığını nasıl test edeceğiz? Hipotez
6:59
deyince aklınıza öyle karmaşık felsefi
7:01
laflar gelmesin. Kaynağımız çok sade
7:03
tanımlamış, doğruluğu test edilmeye
7:05
çalışılan önermelerdir. Mesela bu
7:08
fabrikanın ürettiği ampullerin ömrü 1000
7:10
saattir demek bir hipotezdir. Bitti.
7:12
Bizim yaptığımız testler de elimizdeki
7:14
veriye bakarak bu iddiayı kabul mü
7:16
edeceğiz yoksa çöpe mi atacağız ona
7:18
karar vermek içindir. Ama unutmayalım
7:21
biz insanız. istatistikte hata
7:22
yapabilir. İşte vizenin banko sorusu
7:25
geliyor. Hazır olun. Birinci tip hata ve
7:28
ikinci tip hata ayrımı. Birinci tip hata
7:30
masum bir insanı hapse atmak gibidir.
7:32
Yani aslında doğru olan bir hipotezi
7:34
reddetmektir. İkinci tip hata ise suçlu
7:37
birini serbest bırakmaya benzer. Yani
7:38
gerçekte yanlış olan bir hipotezi
7:40
doğruymuş gibi kabul etmektir. Bu iki
7:43
görselleştirmeyi zihninize iyi kazın.
7:45
Çünkü sınavda %100 karşınıza çıkacak.
7:47
Gelin bu hipotez hatalarının yanına bir
7:50
de ölçüm hatası ekleyip üçlü bir final
7:52
paketi yapalım. Eğer evdeki tartınız
7:54
bozuksa ve herkesi istisnasız 2 kilo
7:57
fazla tartıyorsa bu sistematik hatadır.
8:00
Bütün ölçümler aynı yönde düzenli olarak
8:03
sapıyor demektir. Az önce konuştuğumuz
8:05
doğruyu reddetme yani birinci tip ve
8:07
yanlışı kabul etme yani ikinci tip
8:09
hataları ise işin tamamen karar verme
8:12
aşamasıdır. Sistematik hata ölçümle
8:14
alakalıdır. Diğer ikisi verdiğimiz
8:16
kararla. Ayrım bu kadar net ve işte bu
8:19
kadar. Ana kütlenin o devasa yapısından
8:21
çorbayı tatmaya yani örnekler çekmeye,
8:24
oradan da hata türlerini saptamaya
8:26
uzanan mükemmel bir yolu birlikte
8:28
yürüdük. Umarım veriyi anlamlandırmanın
8:30
aslında o kadar da korkutucu olmadığını,
8:33
kuralları belli, süper eğlenceli bir
8:35
dedektiflik oyunu olduğunu fark
8:36
etmişsinizdir. Artık istatistiğin
8:38
arkasındaki temel mantık sizin
8:40
cebinizde. Peki şimdi masaya oturup o
8:43
yaklaşan vizeden aa alacağınız
8:45
hipotezini test etmeye yani gerçekleri
8:47
kendi ellerinizle ortaya çıkarmaya hazır
8:49
mısınız? Şimdiden hepinize koca bir
8:51
başarılar diliyorum. Harika iş
8:53
çıkaracaksınız.
#Jobs & Education