Başkaları Tarafından Oluşturulan İki Nicel Değişkenli Verileri İnceleme
1.2. Başkaları Tarafından Oluşturulan İki Nicel Değişkenli Verileri İnceleme
🎯Kazanımlar
Bu bölümü tamamladığında;
- Gazete, dergi, sosyal medya veya raporlarda sunulan iki nicel değişkenli istatistiksel iddiaları eleştirel bir bakış açısıyla denetleyebileceksin,
- Örneklem yanlılığını, eksik veri veya seçici sunum (cımbızlama) hatalarını ve tekil aykırı gözlem yanılgısını tespit edebileceksin,
- Ham tablo veya grafiklerden serpme diyagramı ve BSO / korelasyon katsayısı ($r$) yardımıyla başkalarının ulaştığı sonuçları doğrulayabilecek veya çürütebileceksin.
🧩 Başlamadan Önce: Bir önceki bölümde öğrendiğin serpme diyagramı, korelasyon katsayısı ($r$), BSO yöntemi ve "korelasyon $\neq$ nedensellik" ilkelerini bu bölümde başkalarının hazırladığı analizleri denetlemek için kullanacağız.
📖Konu Anlatımı
1. Eleştirel Veri Okuryazarlığı ve 4 Adımlı Denetim Filtresi
Günlük hayatta haber sitelerinde, reklamlarda veya sosyal medyada "X arttıkça Y kesinlikle artar" ya da "Araştırmalar gösteriyor ki..." şeklinde pek çok iddiayla karşılaşırız. İstatistiksel araştırma sürecine göre başkasının sunduğu bir sonucu kabul etmeden önce şu 4 soruyu sormalıyız:
1. Kaynak ve Yöntem: Veriler nereden ve ne zaman toplanmış? Ölçüm birimleri net mi?
2. Örneklem Gücü: Veri toplanan grup hedef evreni temsil ediyor mu, yoksa çok küçük/tek taraflı mı?
3. Sayısal Tutarlılık: Sunulan tablo veya grafikteki sayılar iddia edilen yön ve güçle uyuşuyor mu?
4. Yorum Sınırı: Seçici veri sunumu, gizli değişken etkisi veya nedensellik abartısı var mı?

🔎 Hemen Dene: Bir internet blogunda "Düzenli kitap okuyanların yıllık geliri %50 daha fazladır" yazıyor ancak kaç kişiyle görüşüldüğü, yaş aralığı ve kaynak belirtilmiyor. Bu iddia bilimsel olarak güvenilir midir?
Cevap:
Hayır. Örneklem büyüklüğü, seçim yöntemi, ölçüm birimleri ve veri kaynağı belirtilmediği için bu iddia denetlenemez ve güvenilir kabul edilemez.
2. Örneklem Yanlılığı ve Temsil Gücü
Bir araştırmada verinin kalitesi, örneklemin hedef evreni ne kadar iyi temsil ettiğine bağlıdır. Yalnızca kendi sınıfındaki 15 arkadaşına sorarak tüm ülke çalışanları hakkında çıkarım yapmak veya yalnızca belirli bir saatte spor salonuna gelen kişilerle tüm üyeleri yargılamak örneklem yanlılığına yol açar.
🧊 Unutma! Kişisel sohbetler veya küçük/tek yönlü gruplardan elde edilen anekdot veriler genelleme yapmak için yeterli değildir. Güvenilirlik için hedef evrenin tüm kesimlerinden rastgele (yansız) ve yeterince büyük örneklem seçilip sayısal $(x_i, y_i)$ ölçümler alınmalıdır.

3. Tablo ve Grafiklerden Çıkarım Doğrulama (İddia Testi)
Başkaları tarafından oluşturulan raporlarda bazen iki değişken ayrı ayrı zaman serisi grafiklerinde veya ham tablolarda verilir ve okuyucuya "Bu iki değişken arasında güçlü pozitif ilişki vardır" gibi hazır bir yorum sunulur. Bu iddiayı test etmek için göz kararına değil, hesaba güvenmeliyiz:
1. Tablodaki veya grafikteki karşılıklı $(x_i, y_i)$ değerlerini eşleştir.
2. $\bar{X}$ ve $\bar{Y}$ ortalamalarını bulup verileri serpme diyagramına veya 2×2 sıklık tablosuna aktar.
3. BSO yöntemini (eksen üzerindeki noktaları hariç tutarak) veya korelasyon katsayısını ($r$) hesaplayıp iddianın yönünü ve gücünü kontrol et.

🔎 Hemen Dene: Bir raporda 4 yıla ait $(X, Y)$ verileri $(10, 80), (20, 60), (30, 40), (40, 20)$ iken raporu yazan kişi "pozitif ilişki" olduğunu iddia etmiştir. BSO ile bu iddiayı nasıl çürütürsün?
Cevap:
Ortalamalar X̄ = 25 ve Ȳ = 50'dir. (10, 80) ve (20, 60) 2. bölgede; (30, 40) ve (40, 20) 4. bölgededir. BSO = (0 - 4) / 4 = -1,00 bulunur. İlişki pozitif değil, negatif mükemmeldir.
4. Tekil Uç Değer (Aykırı Gözlem) Yanılgısı
İstatistiksel ilişkiler bireysel tek bir gözleme göre değil, veri setinin bütününe göre belirlenir. Örneğin 20 öğrencilik bir grupta çalışma süresi ile sınav puanı arasında $r = 0{,}78$ gibi güçlü bir pozitif korelasyon varken, çok uzun süre çalışıp düşük puan alan tek bir öğrenci (aykırı gözlem) bulunabilir.
📌Pratik Tüyo: "Bakın şu kişi çok çalıştı ama düşük aldı, demek ki çalışmak işe yaramıyor" demek yaygın bir tekil örnek yanılgısıdır. Genel ilişkiye karar verirken mutlaka tüm noktaların oluşturduğu serpme diyagramı ve korelasyon katsayısı esas alınır.

5. Veri Yanıltma Tuzakları ve Çürütme Stratejileri
Başkalarının sunduğu yanlı veya hatalı istatistikleri çürütmek için üç temel strateji kullanılır:
- Seçici Veri Sunumunu (Cımbızlamayı) Ortaya Çıkarma: Sadece iddiayı destekleyen yılları veya başarılı birimleri seçip diğerlerini gizleyen raporlara karşı tam veri setini ortaya koymak.
- Örneklem ve Karıştırıcı Değişken Kontrolü: Kıdem, yaş, gelir veya sezon gibi sonuçları etkileyen gizli değişkenlerin göz ardı edilip edilmediğini denetlemek.
- Matematiksel Yeniden Hesaplama: BSO veya $r$ değerini bizzat hesaplayarak hatalı yön/güç etiketlemelerini düzeltmek.

📋Hızlı Bakış (Denetim ve Doğrulama Özeti)
Denetim Başlığı | Kontrol Sorusu | Doğrulama / Çürütme Aracı |
Kaynak ve Birim | Veri kaynağı, tarih ve ölçüm birimi açık mı? | Metodoloji ve kaynak kontrolü |
Örneklem Temsiliyeti | Örneklem rastgele, yansız ve yeterli büyüklükte mi? | Hedef evren ile örneklem karşılaştırması |
Sayısal Doğruluk | İddia edilen yön ve güç verilerle tutarlı mı? | Serpme diyagramı + BSO / $r$ hesabı |
Tekil Gözlem Hatası | Tek bir aykırı noktadan genelleme yapılmış mı? | Tüm veri setinin korelasyon analizi |
Seçilim Yanlılığı | İşine gelmeyen veriler/yıllar gizlenmiş mi? | Tam veri seti ve karıştırıcı değişken kontrolü |
✏️Örnekler
Örnek 1: Sosyal Medyada İstatistiksel İddia Denetimi

Cevap:

Örnek 2: Örneklem Yanlılığı ve Anekdot Veri Eleştirisi

Cevap:

Örnek 3: Enerji Verileri Tablosunda BSO ile İddia Çürütme

Cevap:

Örnek 4: Tekil Aykırı Gözlem (Uç Değer) Yanılgısı

Cevap:

Örnek 5: Seçilim Yanlılığı (Cımbızlama) ve Gizli Değişken

Cevap:

Örnek 6: Tam Veri Setiyle Yanlı Raporun Çürütülmesi

Cevap:

⚠️Sık Yapılan Hatalar
1. 🔴 ❌ Yanlış: Veri setindeki tek bir aykırı gözleme (örneğin çok reklam izleyip az harcayan tek bir müşteriye) bakarak "Bu iki değişken arasında ilişki yoktur" demek.
- 🟢 ✅ Doğru: İki nicel değişken arasındaki ilişkiye tek bir bireye göre değil, tüm veri setinin serpme diyagramı ve korelasyon katsayısına ($r$) göre karar verilir.
- 💡 Kavramsal Mantık: İstatistiksel korelasyon tekil istisnaları değil, veri bulutunun genel doğrusal eğilimini ölçer.
2. 🔴 ❌ Yanlış: Yakın çevreden sorulan 15–20 kişilik anket sonuçlarını tüm şehre veya ülkeye genellemek.
- 🟢 ✅ Doğru: Küçük ve tek bir kesimden seçilen örneklemler yanlıdır; genelleme için hedef evreni temsil eden, rastgele ve yeterince büyük örneklem gerekir.
- 💡 Kavramsal Mantık: Temsil gücü olmayan örneklemden elde edilen oran veya korelasyon, evrenin gerçek yapısını yansıtmaz.
3. 🔴 ❌ Yanlış: Başkasının sunduğu tablo veya grafikte yalnızca kendi iddiasını destekleyen yılları seçmesini normal karşılamak.
- 🟢 ✅ Doğru: Verilerin bir kısmını gizlemek seçilim yanlılığı (cımbızlama) oluşturur; güvenilir analiz için tüm dönem ve tüm birimler incelenmelidir.
- 💡 Kavramsal Mantık: Eksik bırakılan veriler eklendiğinde korelasyonun yönü ve gücü tamamen değişebilir (hatta tersine dönebilir).
4. 🔴 ❌ Yanlış: Sosyal medyada çok paylaşılan veya profesyonel grafiklerle süslenmiş istatistiksel iddiaları kaynağını kontrol etmeden doğru kabul etmek.
- 🟢 ✅ Doğru: Her istatistiksel iddiada veri kaynağı, tarih, ölçüm birimi ve örneklem bilgisi mutlaka aranmalıdır.
- 💡 Kavramsal Mantık: Görsel çekicilik veya popülerlik, verinin doğruluğunu ve bilimsel geçerliliğini garanti etmez.
5. 🔴 ❌ Yanlış: Bir köşe yazısı veya raporda verilen tablodaki $X$ ve $Y$ sayılarına göz ucuyla bakıp ilişki yönünü tahmin etmekle yetinmek.
- 🟢 ✅ Doğru: Ortalamalar ($\bar{X}, \bar{Y}$) hesaplanıp eksen üzerindeki noktalar hariç tutularak BSO veya $r$ ile kesin doğrulama yapılmalıdır.
- 💡 Kavramsal Mantık: Sayısal hesaplama, öznel yorumları ortadan kaldırarak iddiayı nesnel biçimde test etmeyi sağlar.
Konu Testi ve Alıştırma
Öğrendiklerini pekiştirmek ve seviyeni görmek için hemen soru çözmeye başla!