Sunuyu indir
Sunum yükleniyor. Lütfen bekleyiniz
41
İleri İstatistik Teknikleri
? Neden “ileri” teknikler? Amaç: Eldeki “veriyi” “bilgiye” dönüştürebilmek - Veri vs. Bilgi
42
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
43
Betimleyici Yöntemler
Amaç: Eldeki dağılımı en iyi şekilde temsil etmek Araçlar: Ortalama: Medyan: Mod:
44
Betimleyici Yöntemler
Veeee.... Varyans/Standart Sapma: Neden:
45
İki Dağılımın Hikayesi
0,6,12 Ortalama: 6 Medyan: 6 Mod: 6 Std: Sapma: 6 Dağılım: 6,6,6 Ortalama: 6 Medyan: 6 Mod: 6 Std. Sapma: 0 Amaç: Görünenin Ötesine Bakabilmek
46
Açıklayıcı Analizler Amaç: Verili bir sette olası ilişkileri keşfetmek ya da öngörülen hipotezleri test etmek
47
Görünen....
48
Görünenin Arkası.... Genel Ortalama: 51, Std. Sapma: 22
Kadınlar Ortalama: 46, Std. Sapma: 23 Erkekler Ortalama: 46, Std. Sapma: 21
49
Örnek: Internet Kullanımı
50
Ve Görünenin Arkası... Erkekler Kadınlar
51
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)
52
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
53
Gruplanmış Veri
54
Scatterplot
55
Sorular Ne Kadar Yeterli? Grafiği ne kadar temsil ediyor?
Ne gibi çıkarımlar yapabiliyoruz? “Forecasting” yapılabiliyor mu? İlişkinin “boyutu” ve “yönü” ölçülebiliyor mu? Ne Kadar Yeterli?
56
Amaç: Daha iyi analiz, daha iyi veri
Covariance (kovaryans) Correlation Coefficient (korelasyon)
57
Sonuçlar Covariance: 2115,318 Correlation: -0,60165
Çıkarılacak Sonuç Ne?
58
Amaç: Nedensel İlişkileri Göstermek
Y= f(x) X, Y’nin belirleyicisi mi? X, Y’yi ne kadar belirliyor? X, Y’yi ne yönde belirliyor?
59
Regresyon Analizi Y= f(x) Y= a+bx Regresyon Denklemi:
60
Scatterplot
61
Regresyon Katsayılarının Hesaplanması
62
Regresyon Analizi Sonuçları
63
Regresyon Analizinin Açılımları
Çoklu Regresyon Kukla Değişkenli Regresyon (Dummy Variable) Binomial/Multinomial Regression
64
Regresyon Analizinin dezavantajları
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”
65
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
66
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
67
Faktör Analizi
68
“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
69
Cluster Analysis I
70
Cluster Analysis II
71
Cluster Analysis III
72
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
73
MDS
74
Bu verileri okuma yazması olmayan demiryolu bekçileri topladı”
“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
75
Kaynaklar: İrfan Yolcubal – 1. İstatistik ve Olasılık Ders Notları, Kocaeli Üniversitesi, Jeoloji Müh. Bölümü mf.kou.edu.tr/jeoloji/yolcubal/ istatistik/istatistik_giris.pdf İrfan Erdoğan - Ampirik tasarım ve istatistik yöntem semineri
Benzer bir sunumlar
© 2024 SlidePlayer.biz.tr Inc.
All rights reserved.