leri statistik teknikleri l.
Download
Skip this Video
Loading SlideShow in 5 Seconds..
?leri ?statistik Teknikleri PowerPoint Presentation
Download Presentation
?leri ?statistik Teknikleri

Loading in 2 Seconds...

play fullscreen
1 / 35

?leri ?statistik Teknikleri - PowerPoint PPT Presentation


  • 538 Views
  • Uploaded on

İleri İstatistik Teknikleri. Üç tür yalan vardır: Yalan, Kuyruklu Yalan, İstatistik Benjamin Disraeli Dördüncü tür yalan İleri İstatistiktir, Emre Yeterince döndürürseniz veriye her türlü bulguyu itiraf ettirtebilirsiniz.... Anonim

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about '?leri ?statistik Teknikleri' - Sophia


Download Now An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
leri statistik teknikleri

İleri İstatistik Teknikleri

Üç tür yalan vardır:

Yalan,

Kuyruklu Yalan,

İstatistik

Benjamin Disraeli

Dördüncü tür yalan İleri İstatistiktir, Emre

Yeterince döndürürseniz veriye her türlü bulguyu itiraf ettirtebilirsiniz.... Anonim

“Hayat fena halde futbola benzer: dört doğru pas yüzde 90 gol demektir” Bir filmden

leri statistik teknikleri2
İleri İstatistik Teknikleri
  • ? Neden “ileri” teknikler?
  • Amaç: Eldeki “veriyi” “bilgiye” dönüştürebilmek

- Veri vs. Bilgi

statistiksel y ntemler
İstatistiksel Yöntemler
  • Betimleyici (Descriptive) Yöntemler
    • Verili herhangi bir dağılımı bir ya da birden çok katsayıda anlatabilmek

- Örn: şirkettekilerin yaş ortalaması

  • Açıklayıcı (Explanatory) Yöntemler
    • Bir veri setinde olası ilişkileri sergilemek

- Örn: Şirkettekilerin ayakkabı numaralarıyla aldıkları maaş arasındaki ilişki

betimleyici y ntemler
Betimleyici Yöntemler
  • Amaç: Eldeki dağılımı en iyi şekilde temsil etmek
  • Araçlar:
    • Ortalama:
    • Medyan:
    • Mod:
betimleyici y ntemler5
Betimleyici Yöntemler
  • Veeee....
  • Varyans/Standart Sapma:
  • Neden:
ki da l m n hikayesi
Dağılım:

6,6,6

Ortalama: 6

Medyan: 6

Mod: 6

Std. Sapma: 0

Dağılım:

0,6,12

Ortalama: 6

Medyan: 6

Mod: 6

Std: Sapma: 6

İki Dağılımın Hikayesi

Amaç: Görünenin Ötesine Bakabilmek

a klay c analizler
Açıklayıcı Analizler
  • Amaç: Verili bir sette olası ilişkileri keşfetmek ya da öngörülen hipotezleri test etmek
g r nenin arkas
Görünenin Arkası....

Genel Ortalama: 51, Std. Sapma: 22

Kadınlar Ortalama: 46, Std. Sapma: 23

Erkekler Ortalama: 46, Std. Sapma: 21

ve g r nenin arkas
Ve Görünenin Arkası...

Erkekler

Kadınlar

a klay c analizler12
Açıklayıcı Analizler
  • Amaç: İlk bakışta görül(e)meyen ilişkileri sergileyip ilişkisel açıklamalar getirmek
  • Y= f(x)

ie: İnternet kullanımı= f(cinsiyet)

ie: Yaşam biçimi= f(gelir)

ie: Tüketim kalıpları= f(yaşam biçimi)

rnek geli mi lik ve ya am kalitesi
Örnek: Gelişmişlik ve Yaşam Kalitesi
  • BM verilerinden elde edilen bir tablo...
  • Araştırma sorusu: Gelişmişlik ve Yaşam Kalitesi arasındaki ilişki
  • İşlemleştirme:
    • Gelişmişlik: Kişi Başına Düşen GSMH
    • Yaşam Kalitesi: Çocuk ölümleri
sorular
Sorular
  • Grafiği ne kadar temsil ediyor?
  • Ne gibi çıkarımlar yapabiliyoruz?
  • “Forecasting” yapılabiliyor mu?
  • İlişkinin “boyutu” ve “yönü” ölçülebiliyor mu?

Ne Kadar Yeterli?

ama daha iyi analiz daha iyi veri
Amaç: Daha iyi analiz, daha iyi veri
  • Covariance (kovaryans)
  • Correlation Coefficient (korelasyon)
sonu lar
Sonuçlar
  • Covariance:

2115,318

  • Correlation:

-0,60165

Çıkarılacak Sonuç Ne?

ama nedensel li kileri g stermek
Amaç: Nedensel İlişkileri Göstermek
  • Y= f(x)
  • X, Y’nin belirleyicisi mi?
  • X, Y’yi ne kadar belirliyor?
  • X, Y’yi ne yönde belirliyor?
regresyon analizi
Regresyon Analizi
  • Y= f(x)
  • Y= a+bx
  • Regresyon Denklemi:
regresyon analizinin a l mlar
Regresyon Analizinin Açılımları
  • Çoklu Regresyon
  • Kukla Değişkenli Regresyon (Dummy Variable)
  • Binomial/Multinomial Regression
regresyon analizinin c z kaka lar
Regresyon Analizinin “cız-kaka”ları
  • Arkasında çok ciddi üç varsayım vardır.
  • Regresyon analizi sadece “interval” ya da “ratio” ölçümleme düzeyinde yapılır
  • “Do not use any mathematical model without understanding it”
k meleme ve birle tirme analizleri
Kümeleme ve Birleştirme Analizleri
  • Bütün olgular birbiriyle ilişkilidir. Aradaki ilişkinin 0 olduğu yerde bile...
  • Birleştirme analizlerinin amacı olguların birbirleriyle olan ilişkilerinden yola çıkarak işimizi kolaylaştırmaktır
  • 1. Değişken sayısını azaltabilirler
  • 2. Vaka sayısını azaltabilirler
  • 3. Boyut sayısını azaltabilirler
fakt r analizi de i ken say s n azaltmak
Faktör Analizi: Değişken Sayısını Azaltmak
  • Analize tabi bütün değişkenler birbiriyle ilişkili.
  • Bu değişkenlerin bazıları birbirleriyle daha kuvvetli ilişki sahibi.
  • Kuvvetli ilişki sahibi değişkenleri birleştirerek aza indirmek mümkün.
  • Değişkenlerarası korelasyon matrisi kullanılarak “faktör”ler inşa ediliyor
case say s azaltmak clustering
“Case” Sayısı Azaltmak: Clustering
  • Verili değişkenler bazında analize alınan “case”ler birbirlerine benzerler
  • Bu benzerlik bir ya da daha fazla boyutta olabilir
  • Benzerliklerden yola çıkarak “clusters” oluşturmak mümkün
  • Benzerlikler metric mesafelerle ölçülüyor
boyut say s n azaltmak mds
Boyut Sayısını Azaltmak: MDS
  • Analizde gözönünde tuttuğumuz her değişken bir “boyut” sayılabilir.
  • İki-üç boyuttan fazlasını “visualize” etmek kolay değil.
  • Değişkenler arasındaki uzaklıktan yola çıkılarak bu boyut sayısı azaltılabilir.
  • Değişkenler arasındaki uzaklıklar metric olarak ölçülebilir
ve mutlu son
Ve mutlu son....
  • “İstatistiksel araçlarınız ne kadar güçlü, ne kadar gelişmiş olursa olsun, unutmamanız gereken tek şey var:
  • Bu verileri okuma yazması olmayan demiryolu bekçileri topladı”

Sir John Maynard Keynes