Başkaları Tarafından Oluşturulan Verileri İnceleme
2.2. Başkaları Tarafından Oluşturulan Verileri İnceleme
🎯Kazanımlar
Bu bölümü tamamladığında;
- Başkalarınca yayımlanan istatistiksel iddiaların hangi dayanaklara (örneklem, veri toplama aracı, oran hesapları) yaslandığını sorgulayabileceksin,
- Örneklem yanlılığı, küçük örneklem hatası, kesik $y$ ekseni ve ham frekans yanılgısı gibi metodolojik hata ve algı yanıltmalarını teşhis edebileksin,
- İstatistiksel ilişkinin doğrudan nedensellik anlamına gelmediğini ve gizli karıştırıcı değişkenlerin rolünü açıklayabileksin,
- Alt gruplarda geçerli oranların birleştirildiğinde tersine döndüğü alt gruplarda tersine dönen oranları (Simpson Paradoksu) çözümleyip hatalı iddiaları koşullu göreli sıklıkla çürütebileceksin.
Hatırlatma (2.1 Bölümünden Ön Bilgiler):
1. Koşullu Göreli Sıklık: Bir grubun içindeki belirli bir tercihin oranı hesaplanırken paydaya genel toplam ($N$) değil, ilgili grubun satır veya sütun toplamı yazılır:
$$\text{Koşullu Göreli Sıklık} = \frac{\text{Ortak Hücre Frekansı}}{\text{İlgili Grup Toplamı}}$$
Gruplar arası kıyaslamada ham sayılar yerine bu yüzdeler esas alınır.
2. Bağımsızlık ve Veri Etiği: İki gruptaki koşullu sıklıklar eşit veya çok yakınsa ($\text{Oran } 1 \approx \text{Oran } 2$) değişkenler bağımsızdır; belirgin farklıysa ilişkilidir. Bağlamından koparılan, grafiği çarpıtılan veya yanlı toplanan veriler gerçeği gizleyebilir.
📖Konu Anlatımı
1. İstatistiksel Temellendirme ve MEB Denetim Metodolojisi
MEB müfredatına göre başkalarının sunduğu istatistiksel iddiaları denetlerken 3 temel kontrol noktası izlenir: (1) Dayanak (iddianın dayandığı veri/grafik), (2) Hatalar ve Yanlılıklar (metodolojik kusurlar) ve (3) Gerekçeli Çürütme / Kabul.

Bir iddiayı bilimsel olarak çürütmek için sözel eleştiri yetmez; gizlenen grup büyüklüklerini ortaya çıkarıp koşullu göreli sıklıkları hesaplayarak matematiksel karşı kanıt sunulmalıdır.
2. İlişki Nedensellik Değildir ve Karıştırıcı Değişkenler
$$\mathbf{\text{İlişki (Birlikte Değişim)} \neq \text{Nedensellik (Sebep-Sonuç)}}$$

İki kategorik değişkenin birlikte değişim göstermesi birinin diğerine sebep olduğunu kanıtlamaz; çoğu zaman her ikisini de etkileyen üçüncü bir gizli karıştırıcı değişken vardır (örneğin yaz aylarında dondurma tüketimi ile boğulmaların ikisini de artıran hava sıcaklığı).
⚠️ Altın Kural: Sebep-sonuç (nedensellik) kurabilmek için dış etkenlerin kontrol altına alındığı kontrollü ve yansız deneyler şarttır.
3. Grafik Manipülasyonları ve Algı İllüzyonları

- Kesik $y$ Ekseni Tuzağı: Dikey eksen $0$ yerine yüksek bir değerden (örneğin $\%90$'dan) başlatılırsa küçük puan farkları sütun boylarında katlanarak abartılı görünür.
- Bilimsel Standart: Sütun grafiklerinde dikey eksen daima $0$ referans noktasından başlamalıdır.
4. Örneklem Yanlılıkları ve Temsiliyet Sorunu
Örneklem hedef evreni yansız biçimde temsil etmiyorsa, örneklem sayısı büyük olsa bile çıkarım geçersizdir:

Yanlılık Türü | Hata Mekanizması | Örnek |
1. Seçilim Yanlılığı | Bazı kesimlerin örnekleme girme şansının dışlanması. | Gençlerin ortalama oyun süresini yalnızca espor forumunda ölçmek. |
2. Gönüllü Katılım Yanlılığı | Anketi yalnız aşırı memnun veya şikâyetçi uçların doldurması. | Kargo anketine çoğunlukla paketi gecikenlerin katılması. |
3. Küçük Örneklem Hatası | Çok az denek üzerinden topluma dair kesin hüküm verilmesi. | $5$ hastadan $4$'ü iyileşti diye "%80 kesin çözüm" iddiası. |
4. Hayatta Kalma Yanlılığı | Yalnızca başarılı olanların incelenip elenenlerin unutulması. | Yalnız başarılı girişimcileri inceleyip batanları görmezden gelmek. |
5. Alt Gruplarda Tersine Dönen Oranlar (Simpson Paradoksu)
Simpson Paradoksu, her alt grupta ayrı ayrı A seçeneği üstün iken veriler tek tabloda birleştirildiğinde grup ağırlıklarındaki dengesizlik yüzünden B seçeneğinin üstün görünmesi olgusudur.

- Neden Oluşur? Örnekte B grubunun çoğunluğu kolay (hafif) vakalardan, A grubunun çoğunluğu ise zor (ağır) vakalardan oluştuğu için birleşik ortalama ağırlıktan etkilenir ($\%40{,}0 < \%57{,}5$).
- Bilimsel Karar: Birleşik toplam yanıltıcı olduğundan karar daima karıştırıcı değişkenin sabitlendiği homojen alt gruplara göre verilir (her iki grupta da A üstündür).
📋 Hızlı Bakış (Formül ve Kural Özeti)
İnceleme Boyutu | Teşhis Sorusu | Yaygın Hata / Manipülasyon | Bilimsel ve Matematiksel Doğru |
1. Örneklem Temsiliyeti | Veri kimden toplandı? | İnternet anketi, gönüllü katılımcılar, yanlı kitle. | Hedef evrenden rastgele seçilmiş yansız örneklem. |
2. Örneklem Büyüklüğü | Kaç kişi/test incelendi? | $5$ veya $10$ denemeyle kesin genelleme yapılması. | Temsil gücü yüksek yeterli büyüklükte $N$. |
3. Frekans Türü | Ham sayı mı, oran mı? | Büyük gruptaki ham sayı fazlalığını "üstünlük" saymak. | Her grubun kendi toplamına bölünen koşullu yüzde. |
4. Grafik Eksenleri | $y$ ekseni nereden başlıyor? | $0$ yerine tabandan kesilerek yapay uçurum üretmek. | Dikey eksenin mutlaka $0$ başlangıçlı çizilmesi. |
5. Nedensellik İddiası | Sebep-sonuç kanıtı var mı? | İki değişken ilişkili diye birini diğerinin sebebi yapmak. | Karıştırıcı etkenlerin kontrol edildiği deney şartı. |
6. Grup Ayrışımı | Alt gruplar dengeli mi? | Alt grupları homojenleştirmeden toplayıp Simpson tuzağına düşmek. | Gizli karıştırıcı değişkeni ayırıp alt gruplarda incelemek. |
✏️Örnekler (Özgün ve Detaylı Çözümler)
Örnek 1: Kesik Dikey Eksen Manipülasyonu ve Reklam İddiası

✍️ Adım Adım Çözüm

Örnek 2: Sosyal Medya Anketi, Seçilim ve Gönüllü Katılım Yanlılığı

✍️ Adım Adım Çözüm

Örnek 3: Kahve Tüketimi İddiası ve Gizli Karıştırıcı Değişkenler

✍️ Adım Adım Çözüm

Örnek 4: Kargo Hasar Oranları ve Ham Frekans Yanılgısı

✍️ Adım Adım Çözüm

Örnek 5: Sınav Zorluk Düzeyleri ve Birleşik Veri İllüzyonu (Simpson)

✍️ Adım Adım Çözüm

Örnek 6: Otonom Sürüş Testleri ve Koşullu Risk Oranı

✍️ Adım Adım Çözüm

⚠️Sık Yapılan Hatalar ve Uyarılar
- 🔴 ❌ Yanlış: İki gruptaki ham olay sayılarına ($50$ kazaya karşı $10$ kaza) bakarak küçük sayıyı doğrudan "daha güvenli veya başarılı" ilan etmek.
- 🟢 ✅ Doğru: Her grubun olay sayısını kendi toplam deneme sayısına bölerek koşullu göreli sıklıkları (yüzdeleri) karşılaştırmak.
- 💡 Kavramsal Mantık: $10.000$ sürüşte $50$ kaza (binde 5), $500$ sürüşte $10$ kazadan (yüzde 2 = binde 20) tam 4 kat daha güvenlidir.
- 🔴 ❌ Yanlış: İki kategorik değişken birlikte artıyor veya azalıyor diye birinin diğerinin doğrudan nedeni olduğunu savunmak.
- 🟢 ✅ Doğru: Gözlenen ilişkinin arkasında her iki değişkeni de yöneten gizli bir karıştırıcı değişken olabileceğini hesaba katmak ve nedensellik için kontrollü deney aramak.
- 💡 Kavramsal Mantık: Dondurma tüketimi boğulmayı artırmaz; her iki değişkeni de artıran gizli etken hava sıcaklığıdır.
- 🔴 ❌ Yanlış: Grafikteki dikey eksenin başlangıç değerini kontrol etmeden yalnızca sütunların boy farkına bakarak karar vermek.
- 🟢 ✅ Doğru: Sütun grafiklerinde dikey ($y$) eksenin $0$ referans noktasından başlayıp başlamadığını ilk bakışta denetlemek.
- 💡 Kavramsal Mantık: Dikey eksen $\%90$'dan başlatıldığında $\%92$ ile $\%96$ arasındaki $\%4$'lük fark görsel olarak 3 katlık bir uçurum gibi görünür.
- 🔴 ❌ Yanlış: Herkese açık bir internet veya sosyal medya anketinden çıkan sonucu "Tüm toplum böyle düşünüyor" biçiminde genellemek.
- 🟢 ✅ Doğru: Gönüllü katılımlı ve belirli bir platformla sınırlı anketlerin seçilim ve gönüllülük yanlılığı taşıdığını, hedef evreni temsil edemeyeceğini bilmek.
- 💡 Kavramsal Mantık: İnternet anketlerine çoğunlukla şikâyetçi ve öfkeli kullanıcılar tepki gösterir; memnun olan sessiz çoğunluk ankete katılmaz.
- 🔴 ❌ Yanlış: Zorluk derecesi veya risk yapısı birbirinden tamamen farklı alt grupları doğrudan toplayıp genel yüzdeye göre hüküm vermek.
- 🟢 ✅ Doğru: Karıştırıcı değişkeni sabitleyerek veriyi homojen alt gruplarda ayrı ayrı incelemek ve Simpson Paradoksu tuzağına düşmemek.
- 💡 Kavramsal Mantık: Kolay sınavlara çok öğrenci sokan yöntem birleşik ortalamada yüksek çıkabilir; adil kıyas ancak her zorluk seviyesinde ayrı ayrı yapılır.
Konu Testi ve Alıştırma
Öğrendiklerini pekiştirmek ve seviyeni görmek için hemen soru çözmeye başla!