Tanımlayıcı İstatistikler (Descriptive Statistics)
• Analizin Amacı: Tanımlayıcı istatistikler, veri setinin temel özelliklerini özetlemek ve veriyi anlamlı hale getirmek için kullanılır. Ortalama, medyan, standart sapma gibi metrikler, verinin merkezi eğilimini ve dağılımını anlamaya yardımcı olur.
• Kullanım Alanları: Pazarlama araştırmaları, sağlık istatistikleri, eğitim analizleri ve her türlü veri setinin ön analizi.
• Gereken Veri Seti ve Türü: Nicel (sayısal) veriler. Kesitsel veya zaman serisi verileri uygundur.
• Analiz Süreci: Veri setindeki değişkenlerin ortalama, medyan, mod, standart sapma, varyans, çarpıklık ve basıklık gibi metrikler hesaplanır. Bu hesaplamalar Excel, SPSS, R veya Python gibi araçlarla yapılabilir.
• Örnek Uygulama: Bir şirketin aylık satış verilerinin ortalaması ve standart sapması hesaplanarak satış performansı değerlendirilir.
Frekans Dağılımları ve Histogramlar
• Analizin Amacı: Veri setindeki değerlerin nasıl dağıldığını görselleştirmek ve frekans dağılımlarını analiz etmek.
• Kullanım Alanları: Müşteri segmentasyonu, pazar araştırmaları, kalite kontrol süreçleri.
• Gereken Veri Seti ve Türü: Nicel veya kategorik veriler.
• Analiz Süreci: Veri setindeki değişkenlerin frekansları hesaplanır ve histogramgrafikleri ile görselleştirilir. Excel, R, Python veya SPSS kullanılabilir.
• Örnek Uygulama: Bir ürünün satış adetlerinin frekans dağılımı çıkarılarak en çok satılan ürün aralığı belirlenir.
3. Korelasyon Analizi (Pearson, Spearman)
• Analizin Amacı: İki değişken arasındaki ilişkinin yönünü ve şiddetini ölçmek.
• Kullanım Alanları: Finansal analizler, pazarlama stratejileri, sağlık araştırmaları.
• Gereken Veri Seti ve Türü: İki nicel değişken (Pearson) veya sıralı/nitel veriler (Spearman).
• Analiz Süreci: Pearson korelasyonu lineer ilişkileri, Spearman korelasyonu ise monoton ilişkileri ölçer. R, Python veya SPSS ile analiz edilir.
• Örnek Uygulama: Gelir düzeyi ile eğitim seviyesi arasındaki korelasyon incelenir.
4. Hipotez Testleri (t-testi, ANOVA, Ki-Kare Testi)
• Analizin Amacı: İstatistiksel hipotezleri test ederek gruplar arasındaki farklılıkları veya ilişkileri değerlendirmek.
• Kullanım Alanları: İlaç etkinlik çalışmaları, pazar araştırmaları, eğitimde başarı analizleri.
• Gereken Veri Seti ve Türü: Nicel veriler (t-testi, ANOVA) veya kategorik veriler (Ki-Kare).
• Analiz Süreci: t-testi iki grup ortalamasını, ANOVA ikiden fazla grup ortalamasını, Ki-Kare ise kategorik değişkenler arasındaki ilişkiyi test eder. SPSS, R veya Pythonkullanılır.
• Örnek Uygulama: İki farklı eğitim yönteminin öğrenci başarısına etkisi t-testi ile karşılaştırılır.
5. Güven Aralıkları ve Örneklem Büyüklüğü Hesaplamaları
• Analizin Amacı: Popülasyon parametrelerinin tahmin edilmesi ve örneklem büyüklüğünün belirlenmesi.
• Kullanım Alanları: Anket tasarımı, klinik araştırmalar, pazar araştırmaları.
• Gereken Veri Seti ve Türü: Nicel veriler ve popülasyon bilgisi.
• Analiz Süreci: Güven aralıkları hesaplanır ve örneklem büyüklüğü belirlenir. R, Pythonveya özel yazılımlar kullanılır.
• Örnek Uygulama: Bir ürünün memnuniyet oranı için %95 güven aralığı hesaplanır.
6. Normallik Testleri (Shapiro-Wilk, Kolmogorov-Smirnov)
• Analizin Amacı: Veri setinin normal dağılıma uyup uymadığını test etmek.
• Kullanım Alanları: Veri analizi öncesi varsayım kontrolü, istatistiksel modelleme.
• Gereken Veri Seti ve Türü: Nicel veriler.
• Analiz Süreci: Shapiro-Wilk ve Kolmogorov-Smirnov testleri ile normallik kontrol edilir. SPSS, R veya Python kullanılır.
• Örnek Uygulama: Bir veri setinin normal dağılıma uygun olup olmadığı Shapiro-Wilktesti ile incelenir.
7. Güç Analizi (Power Analysis)
• Analizin Amacı: Bir istatistiksel testin etkili bir şekilde sonuç verebilmesi için gereken örneklem büyüklüğünü belirlemek.
• Kullanım Alanları: Bilimsel araştırmalar, klinik çalışmalar, sosyal bilimler.
• Gereken Veri Seti ve Türü: Nicel veriler ve test parametreleri.
• Analiz Süreci: Güç analizi ile örneklem büyüklüğü, etki büyüklüğü ve anlamlılık düzeyi hesaplanır. G*Power yazılımı kullanılır.
• Örnek Uygulama: Bir araştırma için gerekli minimum örneklem büyüklüğü hesaplanır.
