Örnekleme Yanlılığı: Yanlış Kitleye Sormanın Bedeli
Bir anket koca bir kitleyi neden yanlış temsil eder? Örnekleme yanlılığını ve türlerini örneklerle açıklıyoruz.
İstatistik ve Olasılık
Olasılık matematiği, istatistiksel düşünme ve veri analizinin temelleri — sayılarla doğru karar vermeyi öğreten dersler.
Merkezi Limit Teoremi: Neden Her Şey Normale Yakınsar?
İstatistiğin en şaşırtıcı sonucu: veriniz normal dağılmasa bile ortalamaları normal dağılır. Merkezi limit teoremini sade biçimde anlatıyoruz.
Normal Dağılım ve 68-95-99.7 Kuralı: Çan Eğrisini Anlamak
Çan eğrisi neden her yerde? Normal dağılımı ve verinin ortalama etrafında nasıl dağıldığını anlatan 68-95-99.7 kuralını sade bir dille açıklıyoruz.
Survivorship Bias (Hayatta Kalma Yanılgısı): Görmediğiniz Veri Neden En Önemlisidir?
“Başarılı girişimcilerin çoğu üniversiteyi bırakmış” cümlesini duymuşsunuzdur. Kulağa ikna edici geliyor, değil mi? Ama bu cümle, üniversiteyi bırakıp da başarısız olan binlerce kişiyi görmezden geliyor. İşte bu, istatistikte en sinsi yanılgılardan biri: survivorship bias, yani hayatta kalma yanılgısı. Hikâyenin Kökeni: İkinci Dünya Savaşı Uçakları Bu kavramı en iyi anlatan örnek, İkinci Dünya Savaşı’ndan geliyor. Müttefik … Devamını oku
Tip I ve Tip II Hata: Yanlış Pozitif ile Yanlış Negatif Arasındaki Kritik Fark
Bir hastalık testi yapıldı: sonuç pozitif. Ama hasta değilsiniz. Ya da tam tersi: test negatif çıktı, ama aslında hastasınız. Her iki senaryo da gerçek ve her ikisi de farklı riskler taşıyor. İstatistikte bu iki hata türü, Tip I ve Tip II hata olarak adlandırılıyor. Kulağa teknik geliyor ama pratikte son derece hayati kararları etkileyen, sıklıkla … Devamını oku
Güven Aralığı Nedir? “Yüzde 95 Güven” Aslında Ne Anlama Geliyor?
Bir araştırma sonucunu okuyorsunuz: “Yeni ilacın etkinliği yüzde 68 (%95 güven aralığı: %61–%75).” Ya da bir seçim anketi: “Aday yüzde 52 desteğe sahip, hata payı ±3 puan.” Bu sayılar ne anlama geliyor? “Yüzde 95 güven” tam olarak neyi ifade ediyor? Ve bu kavramın neden bu kadar sık yanlış anlaşıldığını bilmek, istatistik okuryazarlığının en kritik adımlarından … Devamını oku
Büyük Sayılar Yasası: Kumarbazın Yanılgısıyla Neden Sürekli Karıştırılır?
Bir madeni parayı 10 kez attığınızda 7 kez tura gelebilir — bu, hiç de şaşırtıcı değil. Ama aynı parayı 10 milyon kez attığınızda, tura gelme oranının neredeyse tam olarak yüzde 50’ye yaklaşacağından emin olabilirsiniz. Bu basit ama derin gözlem, istatistiğin en temel prensiplerinden birinin özeti: Büyük Sayılar Yasası. Ne var ki bu yasa, kumarbazın yanılgısı … Devamını oku
Ortalamaya Dönüş (Regression to the Mean): İkinci Performans Neden Genelde Daha Sönük Görünür?
Bir öğrenci bir sınavda beklenmedik şekilde çok yüksek bir not alır. Öğretmen onu tebrik eder, öğrenci kendine güvenir. Ama bir sonraki sınavda not, o kadar yüksek çıkmaz — genelde ortalamaya daha yakın bir yere düşer. Öğretmen bunu “başarı gevşekliği” olarak yorumlayabilir, öğrenci “şansım tükendi” diyebilir. Ama istatistik farklı bir açıklama sunuyor: bu iki yorum da … Devamını oku
p-değeri Nedir? “İstatistiksel Anlamlılık” Sandığınız Kadar Güvenilir mi?
Bilimsel bir haberde ya da araştırma özetinde muhtemelen şu cümleyi görmüşsünüzdür: “sonuç istatistiksel olarak anlamlı bulundu (p < 0.05)”. Bu cümle kulağa çok kesin ve güvenilir geliyor, sanki bilim insanları bir gerçeği kanıtlamış gibi. Ama gerçek şu ki, p-değeri kavramı istatistikte en sık yanlış anlaşılan, en sık kötüye kullanılan ve giderek daha fazla bilim insanının … Devamını oku
Simpson Paradoksu: Her Alt Grup Doğru Sonuç Verirken Toplam Neden Yalan Söyler?
İstatistikte en rahatsız edici anlardan biri, verinin her parçası doğru olduğu hâlde bütünün yanlış bir hikaye anlatmasıdır. Bir hastane tedavisinde her yaş grubunda bir ilaç daha etkili çıkabilir, ama tüm hastalar bir araya toplandığında sonuç tam tersine dönebilir. Bu tuhaf ama gerçek fenomene istatistikte Simpson Paradoksu deniyor ve veriyle uğraşan herkesin er ya da geç … Devamını oku