<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0" xmlns:cc="http://cyber.law.harvard.edu/rss/creativeCommonsRssModule.html">
    <channel>
        <title><![CDATA[Stories by Dilek İrem Özbay on Medium]]></title>
        <description><![CDATA[Stories by Dilek İrem Özbay on Medium]]></description>
        <link>https://medium.com/@dilekiremozbay?source=rss-a158ebaf3ca6------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/1*0YDpUWEKe4lkhkK9mD2tNw.jpeg</url>
            <title>Stories by Dilek İrem Özbay on Medium</title>
            <link>https://medium.com/@dilekiremozbay?source=rss-a158ebaf3ca6------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Sat, 21 Nov 2026 00:01:21 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@dilekiremozbay/feed" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[Çıplak İstatistik by Charles Wheelan]]></title>
            <link>https://medium.com/@dilekiremozbay/%C3%A7%C4%B1plak-i%CC%87statistik-5b18edccd907?source=rss-a158ebaf3ca6------2</link>
            <guid isPermaLink="false">https://medium.com/p/5b18edccd907</guid>
            <dc:creator><![CDATA[Dilek İrem Özbay]]></dc:creator>
            <pubDate>Sun, 10 Sep 2023 12:48:05 GMT</pubDate>
            <atom:updated>2023-09-10T12:54:12.274Z</atom:updated>
            <content:encoded><![CDATA[<h3><strong>Kitap Özeti</strong></h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*L-_po5syi0nOM7ULoHrLjg.jpeg" /></figure><p><strong>Giriş</strong></p><p>Bu bölümünde Charles,Monty Hall probleminden esinlenerek yapılmış bir tv showundan bahsederek ,okuyucuların akıllarda bir soru bırakarak kitabına başlar.Problem şu şekildedir:3 kapı vardır ve sadece birinin arkasında son model araba bulunmaktadır.Diğer kapıların arkasında ise keçi bulunmaktadır.Yarışmacı ödülü kazanmak için örneğin 1 numaralı kapıyı seçer, Monty bunun üzerine arkasında keçi bulunan 3 numaralı kapıyı açar ve yarışmacıya fikrini değiştirip değiştirmediğini sorar.Yarışmacı bir numaralı kapıdan vazgeçip, iki numaralı kapıyı seçmeli midir ?(şuanda bir ve iki numaralı kapılar hala kapalı) Sizce tercihini değiştir melidir?Charles,cevabın “Evet” olduğunu vurgular ve cevabı Beş Buçukuncu bölümde açıklayacağını ifade ederek okuyucuların biraz daha ilgisini uyandırır.Bu kitabın kimseyi iyi bir istatistikçi yapmayacağını ama istatistiğe ilgi duyması için güzel bir başlangıç olacağını ifade eder.</p><p>İstatistik belki dünyayı kurtaramaz(?) ama aşağıdaki sorulara bir cevap bulmamızı sağlayabilir:</p><p><strong>Bölüm 1–2</strong></p><p>İstatistik belki dünyayı kurtaramaz(?) ama aşağıdaki sorulara bir cevap bulmamızı sağlayabilir:</p><p>“-Standart testlerde hile yapan okulları nasıl tespit edebiliriz?<br>-Netflix hangi filmlerden hoşlandığımızı nerden bilmektedir?<br>-İnsanlar üzerinde kansere neden olan deneyler uygulamadan , hangi madde ya da davranışların kansere neden olduğunu nasıl öğrenebiliriz?<br>-Ameliyata girecek hastalar için onlara dua etmek onların şansını artırıyor mu ?<br>-Otizm vakalarında artışa ne neden olmaktadır?”</p><p>Kısaca istatistik, çok büyük miktarda veriyi özetlemek,daha iyi kararlar almak,önemli sosyal sorunlara çözümler üretmek,hile yapanları yargılamak,suçluluları yakalamak,siyasi programlar-ilaçlar-tıbbı prosedürlere dair etkinlikleri değerlendirmek için hayatımızın her alanında ihtiyaç duyduğumuz ve bizi yanıltmayan gerçekleri sağlar.</p><p>Bir istatistiksel problemle karşılaştığımızda yapmamız gereken ilk şey veri kümesinin ortasının bir ölçüsünü başka bir deyişle “merkezi eğilimini” bulmaktır.İstatistik derslerinden bildiğimiz medyan-ortalama veya uç terimleri kavramlarını örneklerle açıklar bize Charles.Mesela bir barda yıllık geliri 35bin dolar olan bir grup insan oturmaktadır ve içeriye yıllık geliri bir milyar dolar olan(örneğin) Bill Gates girer , bu durumda bu 11 kişinin artık ortalaması 91milyon dolara yükselmiştir.Baştaki 35bin dolar ortalamayı düşünecek olursak, Bill Gates bu grup için uç bir örnektir.Sizce istatistiksel analizlerde uç veriler kullanılmalı mıdır? Bu bar multimilyonerlerin oturduğu bir bar mıdır? Ciddi derecede uç değerleri olmayan veri için, medyan ve ortalama, birbirine çok yakın ve benzer olacaktır.Bu dağılımın neredeyse simetrik olduğu durumlarda geçerli olan bir olgudur.Simetrik dağılan bir veride söz konusu olan “Normal Dağılım”dır.Örneğin patlayan mısır tanelerini düşünelim, başlarda yavaş yavaş tek tük patlamalar görülür, bir süre sonra neredeyse hepsi patlamıştır,makineyi kapattığımızda ise hala daha birkaç patlama sesi duyabiliriz.Mısır tanelerinin patlaması normal dağılım için gösterilebilecek-simetrik bir istatistiksel olgudur.Bir veriyi tanımlamamıza yardımcı olabilecek diğer bir istatiksel kavram :standart sapmadır.Verinin ortalamadan ne kadar uzağa yayıldığını ifade etmek için kullanılır.</p><p><strong>Bölüm 3</strong></p><p>Yanıltıcı Açıklama<br>Mark Twain üç çeşit yalan olduğunu söylemiştir :” Yalan,kuyruklu yalan ve istatistik”</p><p>Hassasiyet kavramı , bize sahta bir kesinlik hissi vererek yanlışlığı maskeleyebilir.Minik kelime oyunlarıyla ise olaylar maskelenebilir.Örneğin:<br>A.”Okullarımızın durumu gittikçe kötüleşiyor!Bu yıl okullarımızın yüzde 60&#39;ı geçen yıldan daha düşük not aldı”<br>B.”Okullarımız gittikçe daha iyi oluyor, öğrencilerimizin yüzde 80&#39;i geçen yıldan daha yüksek notlar aldı.”</p><p>Bu iki örnekte incelememiz gerekenler<br>*İki okulda aynı sayıda öğrenci olmayabilir.<br>*Bir örnekte okul sayısı, bir örnekte öğrenciler karşılaştırılmıştır.(analiz birimleri farklıdır)<br>*Öğrencilerin % 80&#39;nin başarılı olduğu okula rağmen, aynı markanın okulları gerileme gösterebilir.</p><p>Bu noktada önemli olan analiz birimine dikkat etmektir.<br>Bir diğer aldatmaca yöntemi ise medyan ve ortalama kavramlarının yanlış yorumlanmasıdır.Medyan, verinin küçükten büyüğe doğru sıralandığında, verinin ortasında kalan ifade iken; ortalama gözlem birimlerinin toplamının gözlem sayısına bölünmesidir.Örneğin elimizde 2,3,4,6, ve 102 den oluşan bir veri kümesi bulunsun.Bir şekilde bu gözlem birimlerini büyük olarak kullanmak isteyenler verinin ortalamasına odaklanıp 24 sonucunu kullanıcı ile paylaşabilir veya daha küçük sonuç elde etmek isteyen bir takım yanıltıcılar ise 5 olan medyan gözlem birimini kullanıcıyla buluşturabilir.Malesef istatistiksel yalan pek çok alanda karşımıza çıkmaktadır.</p><p>“‘Ölçemediğiniz şeyi yönetemezsiniz.’Doğru ama gerçekten yönetmeye çalıştığınız şeyi ölçtüğünüzden kesin olarak emin olsanız iyi olur”</p><p><strong>Bölüm 4 -Korelasyon</strong></p><p>Netflix, Charles’a Pakistan eski başkanı Benazir Butto’nun yaşamını içeren Butto belgesini ısrarla öneriyor.Netflix bunu nerden biliyor? Charles ve arkadaşlarını inceleyen google stajyeleri mi var ? :) Tabiki hayır,Charles’ın daha önceki izlemelerinden yola çıkarak, oluşturulan bir dizi korelasyon önermesiyle karşılaşmaktadır Charles.Tabiki arkasında yatan modelleme sistemi çok daha karışıktır.Hatta Netflix 2006 yılında mevcut tavsiye sistemlerini en az %10 daha oranda artıracak bir tavsiye sistemi geliştirene bir milyon dolar ödül vereceğini duyurduğu bir yarışma yayınlamıştır.</p><p><strong>Bölüm 5 — Temel olasılık<br></strong> <br>Bu bölümde Schilitz adlı bira markasının temel olasılık kullanarak oluşturduğu 1.7 milyon dolarlık pazarlama stratejisi detaylı olarak ele alınmış.Super Bowl maçı devre arası canlı yayında gerçekleşen bu reklam bölümünde deneyler gözleri kapalı olarak canlı bir bira tadım testi icra etmiş ve 100 denek rakip bira kullanıcısının arasından seçilmişti.Pazarlama mesajı ise oldukça basitti, başka birayı kullanan kişiler bile Schilitz markasını tercih ediyor.Burdaki püf nokta 1980&#39;lerin başında bira markalarının oldukça benzer bir tada sahip olduğudur.Schilitz de reklam stratejisinde bu olguyu kullanmıştır.Bu durumda rakip bira kullanıcılarının %50 ihtimalle Schilitz biralarını seçecek olması gerekirdi.Bu tam olarak yazı -tura atmak gibiydi.Eğer bu durum yazı tura atmak gibiyse, temel olasılık bize 40 kullanıcının Schilitzi seçme olasılığını %98, en az 45 kullanıcının Schilitz’i seçme olasılığını %86 olarak söyler.Teorik olarak bu riskli bir kumar mıdır? Tabiki hayır :)</p><p><strong>Bölüm Beş Buçuk — Monty Hall Problemi</strong></p><p>Problemi hatırlamak adına bir hatırlatma: üç kapı vardır ve sadece birinin arkasında son model araba bulunmaktadır.Diğer kapıların arkasında keçi bulunur.Yarışmacı ödülü kazanmak için örneğin 1 numaralı kapıyı seçer, Monty bunun üzerine arkasında keçi bulunan 3 numaralı kapıyı açar ve yarışmacıya fikrini değiştirip değiştirmediğini sorar.Yarışmacı bir numaralı kapıdan vazgeçip, iki numaralı kapıyı seçmeli midir ?(şuanda bir ve iki numaralı kapılar hala kapalı)İlk olarak yarışmacının kapısını değiştirmedini farzedelim, hala 1 numaralı kapı kendisinde, üçüncü kapı açık ve arkasında keçi var.Bu durumda yarışmacının kazanma olasılığı 1/3 tür.Ancak yarışmacının kapısını değiştirdiğini ve iki numaralı kapıyı seçtiğini düşünelim.Bu durumda kazanma olasılığı 2/3 tür.Biraz daha detaya inecek olursek eğer yarışmacı bir numaralı kapıyı seçerse ve araba üç numaralı kapının arkasındaysa Monty Hall iki numaralı kapıyı açar.Eğer yarışmacı bir numaralı kapıyı seçerse ve araba iki numaralı kapının arkasında ise Monty Hall üç numaralı kapıyı açar.Bizim örneğimizde üçüncü kapı açılmıştı , demekki ikinci kapı ve üçüncü kapıyı karşılaştırırsak,ikinci kapının arkasında araba var diyebiliriz.Olaya birinci kapıyı da katarsak, yarışmacı kapı değiştirerek kazanma olasılığını iki katına 2/3&#39;e çıkarmış olur.Kitapta bu problem 3 farklı örnekle detaylı olarak açıklanır.</p><p><strong>Bölüm 6 —Olasılıkla İlgili Sorunlar</strong></p><p>“En büyük riskler, hiç bir zaman görebildiğiniz ve ölçebildiğiniz riskler değildir.Bunun yerine göremediğiniz ve bu nedenle de asla ölçemediklerinizdir.”</p><ul><li>Olaylar birbirinden bağımsız değil iken öyle olduğunu saymak</li><li>Olaylar bağımsız iken bunu anlamamak</li></ul><p><strong>Bölüm 7— Verinin Önemi</strong></p><p>“Çöp giren , çöp çıkar”</p><p>Her önemli çalışmanın ardında, analizi mümkün kılan iyi bir veri vardır.Bir veriden üç şey bekleriz.Öncelikle, büyük verilerde,verimizin genel özelliklerini yansıtan bir örneklem çıkartırız.Bu tek bir çorba kaşığı ile çorbanın genel tadına bakmak gibidir.Veri üzerinde ikinci aradığımız şey ise bize bir tür karşılaştırma olanağı sunmasıdır.Veri toplama için üçüncü nedenimiz ise “yapmış olmak içindir.” Dedektif edasıyla topladığımız veriler bir gün anlamlı bir forma dönüşebilir.</p><p><strong>Bölüm 8 — Merkezi Limit Teoremi</strong></p><p>Merkezi limit teoremi, büyük bir veri analizinde çıkarımlar yapmak için kullandığımız “örneklem”i kullanmayı da içeren bir çok istatistik eylem için güç kaynağıdır.Örneğin bir grup koşucunun oluşturduğu bir otobüs kaybolur.Siz de otobüsü aramaya yola çıkarsınız ve kaybolmuş bir otobüs bulursunuz.Doğru otobüs olabilir mi ? Otobüstekileri incelediğinizde ortalama kilolarının 100kg olduğunu fark edersiniz ve doğru otobüs olmadığını anlarsınız.Koşucuların ortalama kilosu 100kg olamaz.Bu örnekteki hesaplamaya göre, kilolu bireyleri görüp onların koşucu olamayacağını düşünmüş olabilirsiniz ancak Merkezi Limit Teoremi bundan daha fazladır.Bulunan otobüsteki kişilerin ağırlıkları maratoncularınkinden 9.5kg daha fazladır ve bunun gerçekleşme olasığı %1&#39;dir.Sonuç olarak bulunan otobüsün maratonculara ait olmayacağını %99 güven seviyesinde reddebiliriz ve bu durumun 100 seferin 99&#39;unda doğru olmasını bekleriz.</p><p><strong>Bölüm 9- Çıkarım</strong></p><p>“ ‘İstatistik ,hiçbir şeyi kesin bir şekilde ispatlayamaz.’ Bunun yerine istatiksel çıkarımın gücü, bir davranış şekli ya da sonucu gözlemleyip daha sonra olasılığı bu sonucu en mantıkla şekilde açıklamak için kullanmaktan gelmektedir.”İstatistik çıkarımlarda en yaygın kullanılan araçlardan biri ise hipotez testidir.Herhangi bir istatiksel çıkarım bir sıfır hipotezi ile başlar.Bu bizim başlangıç varsayımımızdır ve daha sonraki analizlere göre reddilecek veya kabul edilecektir.</p><p>Bir araştırmada, günde en az 20 dilim kepekli kek yiyenlerin , yemeyenlere nazaran daha az bağırsak kanserine yakalandığını bulunmuş . Araştırmacıların sıfır hipotezi kepkeli kek yemenin ,bağırsak kanseri üzerinden herhangi bir etkisi olmadığıdır. Çok fazla kepekli kek yiyenlerin ve yemeyenlerin arasındaki kanser durumu sadece şansla açıklanamaz. Daha keskin bir ifade kullanmak gerekirse gerçekten 20 dilim kepekli kek yiyenler ve yemeyenler arasında kansere yakalanma gibi bir ilişki yoksa bu durumun şans eseri oluşma ihtimali 0.05&#39;ten daha az düşük olmalıdır.Bu bulgu Chicago Sun-Times’da yazıyor olsaydı şöyle olurdu:</p><p>“Günde 20 Dilim Kepekli Kek, Bağırsak Kanserini Riskini Azaltmakta” Bu başlık her ne kadar daha ilgi çekici olsa da, beraberinde ciddi bir belirsizlik te taşımaktadır.Aslında çalışma kepekli kek yiyenlerin, bağırsak kanseri olmadığını vurgulamamaktadır.Sadece bu veri kümesine göre kepekli kek yiyenler ile bağırsak kanseri olanlar arasında negatif korelasyon bulunmuştur.Bu çalışma kepekli kek yiyenlerin, daha iyi bir tıbbi sonuca ulaştığını açıklamaz.Başka bir deyişle, kepekli kek yiyenler, kansere riskini azaltan bir takım ortak davranışlara sahip de olabilir.</p><p><strong>Bölüm 10 - Anket</strong></p><p>“Amerikalıların %64&#39;nün (+- %3 lük bir örneklem hatası ile) idam cezasını desteklediğini nasıl biliyoruz?” Cevap tabiki merkezi limit teoremine göre düzgün seçilen örneklemlerdir.<em>Peki cevap veren kişiler, gerçeği mi söylüyor?</em> Bu sebeple standart hata kavramı literatürde bulunmaktadır.</p><p><strong>Bölüm 11- Regresyon Analizi</strong></p><p>Regresyon analizi, bizim üzerinde çalıştığımız sorunların üstesinden gelmemize yardım eden istatistik aracıdır.Biz bir sonuç ile ilgilenirken, diğer değişkenlerin kontrol altında tutulmasını sağlar.Başka bir deyişe anket yapmaya benzeyebilir.Eğer haftada 3 ya da daha fazla egzersiz yapan 10.000 kişinin, egzersiz yapmayan (ancak diğer özellikleri olarak birbirine benzeyen) 10.000 kişiden çok daha az kalp-damar hastalıklarına sahip olduğunu gözlemlersek, bu çalışmanın amacı örneklemimizin büyük veri grubunda da benzer şekilde sonuçlanacağıdır.Bu noktada amaç, hasta olanlara egzersiz yapmalarını söylemek değildir.Kalp hastalıkları ve egzersiz arasındaki ilişkiyi kesin olarak kanıtlayamayız.Başka bir deyişle, kalp damar hastalıklarına sahip olmayan kişiler haftanın belirli günleri squash oynayabilir, squash oynayan kişilerin belirli bir ekonomik seviyesi olması beklenir.Belki de arkada yatan neden, squash oynayan yüksek gelirli bireylerin daha iyi bir sağlık hizmeti almasıdır.Veya durumu diğer yönüyle de inceleyebiliriz, sağlıklı bir kalbe sağlıklı olanlar için egzersiz belki de daha ulaşılır olduğundan , sağlıklı kalbe sahip olanlar, sağlıklı kalbe sahip olmayanlara göre daha düzenli egzersiz yapıyor olabilir.Bu noktada karşımıza regresyon analizi çıkar.Düzgün yapılan bir regresyon analizi, iki değişken arasındaki en iyi uyumu bulmayı amaçlayarak , sorularımızı daha anlamlı hale getirir.</p><p><strong>Bölüm 12- Yaygın Regresyon Hataları</strong></p><ul><li>Regresyonu doğrusal olmayan bir ilişkiyi analiz etmek için kullanmak</li><li>Korelasyon nedenselliğe eşit değildir.</li><li>Ters nedensellik</li><li>Dışarıda bırakılan değişkenin yanlılığı</li><li>Çok fazla korelasyona bağlı açıklayıcı değişkenler</li><li>Ekstrapolasyon(Anlam çıkarma ya da tahminde bulunma)</li><li>Çok fazla değişken</li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=5b18edccd907" width="1" height="1" alt="">]]></content:encoded>
        </item>
    </channel>
</rss>