İçeriğe geç
parazade
Yapay Zeka

Betimsel İstatistik Nedir?

İngilizce: Descriptive Statistics

Yayın: · Son güncelleme:

Betimsel İstatistik Nedir? Kısaca

Betimsel istatistik, eldeki bir veri setini ortalama, medyan, standart sapma, frekans tabloları ve grafikler gibi araçlarla özetleyip tanımlayan istatistik dalıdır. Yalnızca mevcut veriyi anlatır; daha geniş bir kitle hakkında genelleme yapmaz.

Betimsel İstatistik nedir?
İçindekiler
  1. Betimsel istatistik nedir?
  2. Ölçüleri nelerdir?
  3. Örnek
  4. Çıkarımsal istatistikten farkı nedir?
  5. Nelere dikkat etmeli?

Betimsel istatistik, "Elimdeki veri neye benziyor?" sorusuna cevap verir. Bir sınıftaki öğrencilerin not ortalaması, bir mağazanın aylık satış dağılımı ya da bir anketteki cevapların yüzdeleri betimsel istatistiklerdir.

Betimsel istatistik nedir?

Ham veri çoğu zaman tek tek incelenemeyecek kadar kalabalıktır. Betimsel istatistik bu veriyi birkaç anlamlı sayıya ve grafiğe indirger. Burada amaç tahmin ya da genelleme değil, mevcut gözlemleri doğru ve özlü biçimde tanımlamaktır.

Ölçüleri nelerdir?

Merkezî eğilim ölçüleri (verinin "ortası" nerede?):

Yayılım ölçüleri (değerler ne kadar dağınık?):

  • Açıklık (maksimum − minimum)
  • Varyans ve standart sapma
  • Çeyrekler açıklığı

Dağılımın şekli:

  • Çarpıklık (simetriden sapma)
  • Basıklık (uçların ağırlığı)

Kategorik veriler için: Frekans tabloları ve yüzdeler.

Görsel araçlar: Histogram, kutu grafiği, çubuk grafik.

Örnek

Varsayımsal bir sınıfta beş öğrencinin notları 50, 60, 70, 80 ve 90 olsun. Ortalama ve medyan 70'tir; açıklık 40'tır. Bu birkaç sayı, notların nerede toplandığını ve ne kadar yayıldığını özetler.

Çıkarımsal istatistikten farkı nedir?

Betimsel istatistik yalnızca eldeki veriyi tanımlar. Çıkarımsal istatistik ise bir örneklemden yola çıkarak daha büyük bir kitle hakkında tahmin ve genelleme yapar; güven aralıkları ve hipotez testleri bu alana girer.

Nelere dikkat etmeli?

Tek bir özet ölçü yanıltıcı olabilir. Çarpık dağılımlarda ortalama ile medyan arasındaki fark büyür; bu yüzden merkezî eğilim ve yayılım ölçülerini birlikte raporlamak ve dağılımı grafikle göstermek iyi bir alışkanlıktır.

Sıkça Sorulan Sorular

Betimsel istatistik ile çıkarımsal istatistik arasındaki fark nedir?

Betimsel istatistik eldeki veriyi özetler ve tanımlar. Çıkarımsal istatistik ise örneklem verisinden yola çıkarak daha geniş bir kitle hakkında olasılığa dayalı genellemeler yapar.

Betimsel istatistikte en sık kullanılan ölçüler hangileridir?

Ortalama, medyan ve mod merkezî eğilimi; standart sapma, varyans ve çeyrekler açıklığı ise yayılımı göstermek için en sık kullanılan ölçülerdir. Kategorik veriler için frekans ve yüzde tabloları tercih edilir.

İlgili terimler

Çıkarımsal İstatistik(Inferential Statistics)Çıkarımsal istatistik, bir kitleden seçilen örneklem verisini kullanarak kitlenin tamamı hakkında olasılığa dayalı tahminler ve genellemeler yapan istatistik dalıdır. Güven aralıkları, hipotez testleri ve regresyon başlıca araçlarıdır.Aritmetik Ortalama(Arithmetic Mean)Aritmetik ortalama, bir veri setindeki tüm değerlerin toplanıp değer sayısına bölünmesiyle bulunan merkezî eğilim ölçüsüdür. Günlük dilde 'ortalama' denince genellikle aritmetik ortalama kastedilir.Standart Sapma(Standard Deviation)Standart sapma, bir veri setindeki değerlerin aritmetik ortalama etrafında ne kadar yayıldığını gösteren yayılım ölçüsüdür. Varyansın kareköküdür ve verinin kendi birimiyle ifade edilir; küçük olması değerlerin ortalamaya yakın toplandığını gösterir.Medyan(Median)Medyan (ortanca), bir veri seti küçükten büyüğe sıralandığında tam ortada kalan değerdir. Verinin yarısı medyanın altında, yarısı üstündedir; aykırı değerlerden aritmetik ortalamaya göre çok daha az etkilenir.Genelleme(Generalization)Genelleme, bir makine öğrenmesi modelinin eğitim sırasında görmediği yeni veriler üzerinde de doğru tahminler yapabilme yeteneğidir; iyi genelleyen model ezberlemek yerine verideki genel kalıpları öğrenmiş demektir.Varyans(Variance)Varyans, istatistikte değerlerin ortalamadan ne kadar saptığını ölçen yayılım ölçüsüdür; makine öğrenmesinde ise bir modelin tahminlerinin, farklı eğitim verileriyle eğitildiğinde ne kadar değiştiğini, yani veriye duyarlılığını ifade eder.