11. Sınıf Matematik · Ünite 3
İstatistiksel Tuzakları Fark Etmek: İki Değişkenli Verileri Yorumlama
Haberlerde ve reklamlarda karşımıza çıkan istatistiksel iddiaların doğruluğunu analiz etmeyi, veri manipülasyonlarını ve yanlılıkları tespit etmeyi öğreniyoruz.
Kazanım MAT.11.3.2 · 40 dk okuma
Verilerin Arkasındaki Gerçeği Görmek
Günlük hayatta sürekli çarpıcı istatistiksel iddialarla karşılaşıyoruz. Bir haberde 'Dondurma satışları arttıkça boğulma vakaları artıyor' cümlesini duyduğumuzda hemen dondurma satışlarını yasaklamalı mıyız? İşte bu derste, başkaları tarafından sunulan iki nicel değişkenli (sayısal olarak ölçülebilen) verilerin yorumlarını derinlemesine inceleyecek, doğruluğunu sorgulayacak ve birer istatistik dedektifi olacağız.
İstatistiksel Yorumlarda Hata ve Yanlılık (Bias) Tespiti
Bize sunulan bir grafiğe veya sonuca bakarken sormamız gereken ilk soru şudur: Bu iddia mantıklı ve matematiksel olarak destekleniyor mu? Bazen araştırmacılar veya reklamcılar, istenen sonucu göstermek için verileri kasıtlı olarak filtreleyebilir (cımbızlama) veya grafik eksenleriyle oynayarak görsel bir illüzyon yaratabilirler.
Örnek Vaka 1: Dondurma ve Boğulma Vakaları
Az önceki dondurma ve boğulma örneğine geri dönelim. Ortada iki nicel değişken var: Satılan dondurma miktarı ve boğulma vakası sayısı. Grafiğe döküldüğünde her ikisinin de aynı dönemlerde hızla arttığı görülür. Peki bu iddiayı nasıl çürütürüz? Burada asıl etken 'Hava Sıcaklığı' adlı gizli (üçüncü) bir değişkendir. Yazın havalar ısındığı için hem dondurma tüketimi artar hem de denize girme oranı yükseldiği için boğulma riski artar. Yani arada nedensellik yoktur, sadece ortak bir sebebe bağlı tesadüfi bir ilişki vardır.
Örnek Vaka 2: Eksen Oyunları ve Manipülasyon
Bir şirketin, yeni çıkardığı zihin açıcı içeceğin öğrencilerin matematik netlerini olağanüstü artırdığını iddia ettiğini düşünün. Sundukları sütun grafiğinde içeceği içenlerin deneme neti ortalaması 60, içmeyenlerin ise 58 görünüyor. Ancak şirket, grafiğin y eksenini 0'dan değil de 57'den başlatmıştır! Bu sayede 2 netlik küçük bir fark, grafikte sanki 5 katlık devasa bir sıçrama gibi durur. Sunulan bu çıkarım, veriyi görsel olarak manipüle ettiği için şüpheyle karşılanmalıdır.
İddiaları Çürütme veya Kabul Etme Adımları
- Değişkenleri Doğru Belirleyin: Karşılaştırılan iki sayısal veri nedir? 2) Gizli Değişkenleri Sorgulayın: Sonucu arka planda etkileyen başka bir faktör (nüfus, yaş, sıcaklık vb.) var mı? 3) Grafiğin Bütünlüğünü İnceleyin: Eksenler adil çizilmiş mi, verilerin tamamı hesaba katılmış mı yoksa içinden işe gelenler mi seçilmiş? 4) Aykırı Değerlere (Outlier) Dikkat Edin: Tek bir uç değer tüm grafiği etkiliyor olabilir mi?
İki değişken arasındaki ilişkinin yönünü ve gücünü ölçen matematiksel değere korelasyon katsayısı (r) denir.
Eğer r değeri -1'e veya 1'e çok yakınsa güçlü bir ilişki vardır. Ancak ilişkinin güçlü olması bile, az önce gördüğümüz gibi tek başına 'nedensellik' kanıtı sayılamaz.
Yukarıdaki grafikte verilerin çoğu sol alt tarafta yatay bir bulut halindeyken, sağ üstteki tek bir 'Aykırı Değer (Outlier)' araştırmacılar tarafından abartılarak sanki genel bir artış trendi varmış gibi raporlanabilir. Gerçek bir veri dedektifi böyle tuzaklara asla düşmez!
İstatistiksel Tuzakları Fark Etmek: İki Değişkenli Verileri Yorumlama: Alıştırma Soruları
1. Bir sağlık dergisinde 'Ayakkabı numarası büyük olan çocukların kelime dağarcığı daha geniştir, demek ki büyük ayaklı olmak zekayı ve dil becerisini geliştirir' şeklinde bir yorum yapılmıştır. Bu istatistiksel yorumdaki temel mantık hatası aşağıdakilerden hangisidir?
- A) Sadece yetişkinler üzerinde araştırma yapılmamış olması
- B) İki değişken arasında hiçbir matematiksel ilişkinin kurulamayacak olması
- C) Yaş gibi gizli bir değişkenin göz ardı edilip, ilişkinin hatalı bir nedenselliğe yorulması
- D) Kelime dağarcığının nicel bir değişken olmaması
Cevabı göster
Doğru cevap: C) Yaş gibi gizli bir değişkenin göz ardı edilip, ilişkinin hatalı bir nedenselliğe yorulması
Ayakkabı numarası ve kelime dağarcığı çocuklar büyüdükçe (yaş ilerledikçe) doğal olarak artar. Yaş, buradaki gizli (üçüncü) değişkendir. İki değişkenin birlikte artması, birinin diğerine sebep olduğunu göstermez. Korelasyon, nedensellik değildir.
2. Bir teknoloji firması, yeni ürettikleri bataryanın kullanım süresini rakipleriyle karşılaştırdığı bir çizgi grafiği yayınlamıştır. Grafikte rakip batarya 9.5 saat, yeni batarya ise 10 saat dayanıyor gibi görünmektedir ancak aradaki fark görselde uçurum gibidir. Bir öğrenci bu grafiği incelerken nasıl bir yanlılık (bias) tespit etmelidir?
- A) Grafiğin çizgi yerine sütun grafiği olarak çizilmesinin yasak olması.
- B) Grafiğin y ekseninin 0 yerine 9.4 gibi bir değerden başlatılarak aradaki küçük farkın devasa gösterilmesi.
- C) Batarya ömrünün nicel veri değil nitel veri olarak sınıflandırılması gerektiği.
- D) İki değişkenin de tamamen birbiriyle aynı oranda azalması.
Cevabı göster
Doğru cevap: B) Grafiğin y ekseninin 0 yerine 9.4 gibi bir değerden başlatılarak aradaki küçük farkın devasa gösterilmesi.
Y ekseninin uygun olmayan bir değerden (örneğin sıfır yerine 9.4'ten) başlatılması, küçük sayısal farkların grafik üzerinde orantısız biçimde büyük görünmesine neden olur. Bu, istatistiksel bir göz boyama ve eksen manipülasyonudur.
3. Bir şehir bölge planlamacısı, ilçelerdeki 'hastane sayısı' ile 'hasta sayısı' arasında çok güçlü bir pozitif ilişki bulmuş ve şu raporu yazmıştır: 'Hastaneler hastalıkları artırmaktadır, yeni hastane yapımı derhal durdurulmalıdır.' Bu iddiayı istatistiksel olarak çürütmek isteyen birinin sunacağı en güçlü temellendirme aşağıdakilerden hangisidir?
- A) Hastane sayıları çok yavaş arttığı için hasta sayıları da yavaş artar.
- B) Sadece büyük hastaneler dikkate alınmış, poliklinikler sayılmamıştır.
- C) Hastanelerin içindeki doktor sayısı hesaba katılmamıştır.
- D) İlçenin nüfusu gizli bir değişkendir; nüfus arttıkça hem hastane ihtiyacı hem de doğal olarak hasta sayısı artmaktadır.
Cevabı göster
Doğru cevap: D) İlçenin nüfusu gizli bir değişkendir; nüfus arttıkça hem hastane ihtiyacı hem de doğal olarak hasta sayısı artmaktadır.
Nüfus, hem hastane sayısını hem de hasta sayısını aynı anda etkileyen üçüncü ve gizli bir değişkendir. Hastane yapılması hastaları artırmaz, nüfusun fazla olması her iki değişkeni de büyütür. Nedensellik ilişkisi yanlış kurulmuştur.
4. İki nicel değişken arasındaki ilişkiyi gösteren bir serpme (scatter) grafiği incelenmektedir. Veri noktalarının grafik üzerinde tamamen rastgele dağıldığı, hiçbir belirgin çizgi veya eğri etrafında toplanmadığı görülüyor. Buna rağmen raporda 'X değişkeni düzenli arttıkça Y değişkeni de belirgin şekilde yükselmektedir' ifadeleri yer alıyor. Bu durumda raporu değerlendiren kişinin yapacağı en doğru istatistiksel çıkarım ne olmalıdır?
- A) Raporun iddiaları doğrudur, rastgele dağılım her zaman güçlü korelasyon belirtisidir.
- B) Rapordaki iddia yanlıştır, veri noktalarının yönelim göstermeden rastgele dağılması değişkenler arasında anlamlı bir ilişki olmadığını kanıtlar.
- C) X değişkeni nitel, Y değişkeni nicel olduğu için grafikte yorum yapılamaz.
- D) Bu veri setinde korelasyon katsayısı kesinlikle 1'dir.
Cevabı göster
Doğru cevap: B) Rapordaki iddia yanlıştır, veri noktalarının yönelim göstermeden rastgele dağılması değişkenler arasında anlamlı bir ilişki olmadığını kanıtlar.
Serpme grafiğinde veriler belirli bir yönelim göstermeden dağınık bir bulut oluşturuyorsa, bu durum değişkenler arasında bir korelasyon (ilişki) olmadığını gösterir. Dolayısıyla araştırmacının 'biri arttıkça diğeri yükselir' şeklindeki yorumu verilerle çelişmektedir ve çürütülmelidir.
5. Bir tekstil şirketi, çalışanların haftalık mesai saatleri (X) ile ürettikleri hatalı ürün sayısı (Y) arasındaki ilişkiyi incelemektedir. Şirket, raporunda yalnızca mesai saatlerinin 20 ile 25 saat arasında olduğu dar bir aralığın verilerini paylaşarak 'Mesai saatleri artsa da hatalı ürün sayısı değişmemektedir' iddiasında bulunmuştur. Ancak bağımsız bir denetçi, 40-50 saat arası çalışan işçilerin verilerine de ulaştığında hatalı ürün sayısının bu seviyelerde fırladığını tespit etmiştir. Şirketin raporu için aşağıdaki istatistiksel eleştirilerden hangisi en uygundur?
- A) Şirket, verileri cımbızlayarak sadece işine gelen dar bir aralığı sunmuş ve seçilim yanlılığı (selection bias) ile eksik veriden hatalı bir genelleme yapmıştır.
- B) Şirketin vardığı sonuç tüm çalışan evreni için geçerlidir, çünkü veriler her zaman doğrusal artmak zorundadır.
- C) Çalışma saatleri ve hatalı ürün sayısı arasında kusursuz ve sabit bir negatif ilişki vardır.
- D) Denetçinin baktığı veri aralığı gereksizdir çünkü 40 saatten fazla çalışmak yasadışıdır.
Cevabı göster
Doğru cevap: A) Şirket, verileri cımbızlayarak sadece işine gelen dar bir aralığı sunmuş ve seçilim yanlılığı (selection bias) ile eksik veriden hatalı bir genelleme yapmıştır.
Tüm veri setini göstermek yerine sadece iddianın kanıtlanabileceği veya ilişkinin nötr olduğu spesifik bir aralığı seçip sunmak bir istatistiksel manipülasyondur. Bu duruma seçilim yanlılığı denir. Verinin bütünsel analiz edilmemesi sunulan sonucu geçersiz kılar.