🎓 Veri analizi nedir Test 2 - Ders Notu
Bu ders notu, "Veri analizi nedir Test 2" sınavında karşılaşabileceğiniz temel veri analizi süreçlerini, veri türlerini, tanımlayıcı istatistikleri ve veri görselleştirme tekniklerini sade bir dille özetlemektedir. Amacımız, karmaşık konuları anlaşılır hale getirerek sınavda başarılı olmanızı sağlamaktır.
📌 Veri Analizi Süreci ve Aşamaları
Veri analizi, ham veriden anlamlı bilgiler çıkarmak için sistematik bir yaklaşımdır. Bu süreç, belirli adımları takip ederek doğru sonuçlara ulaşmayı hedefler.
- Problemi Tanımlama: Ne öğrenmek istiyoruz? Hangi soruya cevap arıyoruz? Bu, analizin başlangıç noktasıdır.
- Veri Toplama: Gerekli bilgileri çeşitli kaynaklardan (anket, gözlem, mevcut veriler vb.) bir araya getirme aşamasıdır.
- Veri Temizleme ve Hazırlama: Toplanan veriler genellikle hatalı, eksik veya tutarsız olabilir. Bu aşamada veriler düzenlenir, eksikler giderilir ve analiz için uygun hale getirilir.
- Veri Analizi: İstatistiksel ve matematiksel yöntemler kullanarak verilerdeki örüntüleri, ilişkileri ve eğilimleri ortaya çıkarma aşamasıdır.
- Sonuçları Yorumlama ve Sunma: Analizden elde edilen bulguların anlaşılır bir şekilde açıklanması ve raporlanmasıdır. Görselleştirmeler bu aşamada çok önemlidir.
💡 İpucu: Veri analizi bir dedektiflik gibidir! Her aşama, doğru sonuca ulaşmak için birbiriyle bağlantılıdır ve atlanmaması gerekir.
📌 Veri Türleri ve Ölçüm Seviyeleri
Veriler farklı şekillerde olabilir ve bu, hangi analizi uygulayacağınızı belirler. Temel olarak iki ana veri türü ve dört ölçüm seviyesi vardır.
- Nicel (Sayısal) Veri: Sayılarla ifade edilen, ölçülebilen veya sayılabilen verilerdir.
- Kesikli Nicel Veri: Belirli, tam sayı değerleri alabilen verilerdir (Örn: öğrenci sayısı, hata sayısı).
- Sürekli Nicel Veri: Belirli bir aralıktaki herhangi bir değeri alabilen verilerdir (Örn: boy, ağırlık, sıcaklık).
- Nitel (Kategorik) Veri: Özellikleri veya kategorileri tanımlayan verilerdir. Sayılarla ifade edilemezler, ancak kategorilere ayrılabilirler.
- Nominal Ölçek: Sadece farklı kategorileri ayırt eder, sıralama veya miktar belirtmez (Örn: cinsiyet, medeni durum, şehir).
- Ordinal Ölçek: Kategoriler arasında bir sıralama veya düzen vardır, ancak aralarındaki farklar ölçülemez (Örn: eğitim seviyesi - ilkokul, ortaokul, lise; memnuniyet düzeyi - kötü, orta, iyi).
⚠️ Dikkat: Nicel veriler üzerinde matematiksel işlemler (toplama, ortalama alma) yapılabilirken, nitel verilerde bu tür işlemler genellikle anlamlı değildir.
📌 Tanımlayıcı İstatistikler: Merkezi Eğilim Ölçüleri
Merkezi eğilim ölçüleri, bir veri setinin "ortasını" veya "tipik değerini" gösterir. Verilerin etrafında toplandığı merkezi noktayı ifade ederler.
- Aritmetik Ortalama (Mean): Bir veri setindeki tüm değerlerin toplamının, veri sayısına bölünmesiyle bulunur. En sık kullanılan merkezi eğilim ölçüsüdür.
- Örnek: 10, 20, 30 değerlerinin ortalaması $(10+20+30)/3 = 20$'dir.
- Medyan (Median): Bir veri seti küçükten büyüğe sıralandığında tam ortada yer alan değerdir. Veri sayısı tek ise ortadaki değer, çift ise ortadaki iki değerin ortalamasıdır. Aykırı değerlerden (çok uç değerler) daha az etkilenir.
- Örnek: 10, 20, 25, 30, 1000 için medyan 25'tir.
- Mod (Mode): Bir veri setinde en sık tekrar eden değerdir. Bir veri setinde birden fazla mod olabilir veya hiç mod olmayabilir. Özellikle nitel veriler için kullanışlıdır.
- Örnek: Kırmızı, Mavi, Yeşil, Kırmızı, Sarı için mod "Kırmızı"dır.
💡 İpucu: Maaş verileri gibi aykırı değerler içeren durumlarda medyan, ortalamadan daha iyi bir "tipik değer" göstergesi olabilir.
📌 Tanımlayıcı İstatistikler: Yayılım Ölçüleri
Yayılım ölçüleri, bir veri setindeki değerlerin ne kadar dağınık veya birbirine yakın olduğunu gösterir. Merkezi eğilim ölçüleriyle birlikte kullanılarak veri seti hakkında daha kapsamlı bilgi verir.
- Ranj (Range): Bir veri setindeki en büyük değer ile en küçük değer arasındaki farktır. Verilerin ne kadar geniş bir alana yayıldığını gösterir.
- Örnek: 10, 20, 30, 40, 50 için ranj $50 - 10 = 40$'tır.
- Varyans (Variance): Her bir veri noktasının ortalamadan ne kadar saptığını (uzaklaştığını) gösteren bir ölçüdür. Sapmaların karelerinin ortalaması alınır.
- Matematiksel olarak, örnek varyansı $s^2 = \frac{\sum (x_i - \bar{x})^2}{n-1}$ formülüyle hesaplanır.
- Standart Sapma (Standard Deviation): Varyansın kareköküdür. Verilerin ortalamadan ne kadar uzaklaştığını, ortalama bir sapma değeriyle ifade eder. Varyansa göre daha anlaşılır bir yayılım ölçüsüdür, çünkü veri birimiyle aynı birime sahiptir.
- Matematiksel olarak, standart sapma $s = \sqrt{s^2}$ formülüyle bulunur.
⚠️ Dikkat: Düşük standart sapma, verilerin ortalamaya yakın olduğunu; yüksek standart sapma ise verilerin ortalamadan uzak ve dağınık olduğunu gösterir.
📌 Veri Görselleştirme Teknikleri
Veri görselleştirme, karmaşık veri setlerini grafikler ve çizelgeler aracılığıyla anlaşılır ve etkili bir şekilde sunma sanatıdır. Doğru görselleştirme, verilerdeki örüntüleri ve eğilimleri hızlıca fark etmeyi sağlar.
- Çubuk Grafikler (Bar Charts): Kategorik verilerin frekanslarını veya değerlerini karşılaştırmak için kullanılır. Her bir kategori bir çubukla temsil edilir.
- Pasta Grafikler (Pie Charts): Bir bütünün parçalarını veya kategorik verilerin oranlarını göstermek için kullanılır. Her dilim, bütünün bir yüzdesini temsil eder.
- Histogramlar: Sürekli nicel verilerin dağılımını göstermek için kullanılır. Veriler belirli aralıklara (bin'lere) bölünür ve her aralıktaki veri sayısı çubuklarla gösterilir.
- Çizgi Grafikler (Line Charts): Zaman içindeki eğilimleri veya iki nicel değişken arasındaki ilişkiyi göstermek için kullanılır. Özellikle zaman serisi verileri için idealdir.
- Saçılım Grafikleri (Scatter Plots): İki nicel değişken arasındaki ilişkiyi veya korelasyonu incelemek için kullanılır. Her nokta, iki değişkenin birleşimini temsil eder.
💡 İpucu: Grafik seçimi, anlatmak istediğiniz hikayeye ve verinizin türüne göre değişir. Yanlış grafik, yanlış anlaşılmalara yol açabilir!
📌 Veri Hazırlığı ve Temizliği
Veri analizi sürecinin en zaman alıcı ama en kritik aşamalarından biridir. Kirli veriyle yapılan analizler yanıltıcı sonuçlar verir.
- Eksik Veri (Missing Data): Veri setinde boş veya kayıp değerlerin olmasıdır. Eksik veriler farklı yöntemlerle (silme, ortalama ile doldurma, medyan ile doldurma vb.) ele alınmalıdır.
- Aykırı Değerler (Outliers): Veri setindeki diğer değerlerden önemli ölçüde farklı olan, uç değerlerdir. Aykırı değerler analiz sonuçlarını çarpıtabilir, bu yüzden tespit edilip uygun şekilde (silme, dönüştürme, düzeltme) yönetilmelidir.
- Veri Dönüştürme: Verilerin analiz için daha uygun hale getirilmesi işlemidir (Örn: metin verilerini sayısala çevirme, logaritmik dönüşüm).
- Veri Tekrarları: Aynı verinin birden fazla kez girilmesi durumudur. Analiz öncesinde bu tekrarların giderilmesi gerekir.
⚠️ Dikkat: "Çöp girerse, çöp çıkar!" (Garbage In, Garbage Out) prensibi veri temizliği için çok önemlidir. Kaliteli analiz için kaliteli veri şarttır.
