MATHEMATICS & STATISTICS · math-stat.netAlanya Alaaddin Keykubat Üniversitesi · Lisansüstü Dersler
İKT 549 · APPLICATIONS OF STATISTICS

İstatistik Uygulamaları

Veriyi tanımaktan bilimsel sonuçları yorumlamaya: Jamovi ile başlayın, R ile derinleşin. Açık kaynak yazılımlar ve ücretsiz, mümkün olduğunda açık lisanslı yatay kesit veri setleriyle uygulama odaklı bir ders kaynağı.

Jamovi öncelikliR ile yeniden üretilebilir analizYatay kesit verileriPSPP · Gretl · JMulTi · Python
Odak: araştırma sorusundan raporlanabilir bulguya.Veri yapısı • yöntem seçimi • varsayımlar • etki büyüklüğü • güven aralığı • yeniden üretilebilirlik
Dersin kapsamı

Veriyi Anlamak, Analiz Etmek ve Yorumlamak.

İKT 549 için önerilen uygulama akışı, özellikle iktisat, işletme ve sosyal bilimlerdeki kesit verileri üzerinde modelleme ve akademik raporlama becerilerini geliştirmeye yöneliktir.

01 / VERİ OKURYAZARLIĞI

Veriyi hazırlayın

Birim ve değişkeni tanımlama; ölçek türleri; veri sözlüğü, eksik gözlem, aykırı değer, kodlama, veri lisansı ve betimleyici analiz.

02 / İSTATİSTİKSEL ÇIKARIM

Yöntemi gerekçelendirin

Hipotez, örneklem tasarımı, güven aralığı, p-değeri, etki büyüklüğü; parametrik ve parametrik olmayan alternatifleri karşılaştırma.

03 / ARAŞTIRMA RAPORU

Sonucu açıklayın

Grafik ve tablo standardı, model tanı testleri, sınırlılıklar, kaynakça ve aynı analizin Jamovi ile R üzerinde tekrar edilmesi.

İlk 30 dakika

Başlangıç için üç adım

Kayıt, ücretli lisans veya karmaşık bir kod ortamı gerektirmeyen bir başlangıç.

ADIM 01

Jamovi'yi kurun

Windows, macOS veya Linux için ücretsiz masaüstü sürümünü indirin. İsterseniz ücretsiz bulut erişimini inceleyin.

Resmî indirme sayfası ↗
ADIM 02

Örnek veriyi açın

180 kurgusal bireyden oluşan ders verisini açın. Değişkenlerin ölçüm düzeylerini doğru atayın; betimleyici tablo ve histogram oluşturun.

Sentetik CSV'yi indir ↗
ADIM 03

R ile yeniden üretin

Önce Jamovi'de bir t-testi veya regresyon çalıştırın; ardından Rj modülü ya da RStudio'da aynı sonucu üretin.

Hazır R betiğini indir ↗
Ücretsiz / açık kaynak yazılımlar

Yazılım araç kutusu

Dersin ana çalışma ortamı Jamovi, kod ve yeniden üretilebilirlik katmanı ise R'dir. Diğer araçlar belirli analizleri karşılaştırmak veya farklı araştırma ihtiyaçlarını karşılamak içindir.

J
ANA YAZILIM

Jamovi

R tabanlı grafik arayüz; betimsel istatistikler, testler, ANOVA, regresyon, faktör analizi ve modüller. Çalışmalar .omv olarak saklanabilir.

R
ANA KOD ORTAMI

R + RStudio

İstatistiksel programlama, gelişmiş grafikler, simülasyon ve şeffaf kod. Önce R, sonra ücretsiz RStudio Desktop kurulmalıdır.

P
ÜCRETSİZ · GPL

GNU PSPP

SPSS benzeri veri görünümü ve sözdizimi; frekans, t-testi, ANOVA, regresyon ve kategorik testlerde karşılaştırma için elverişli.

g
ÜCRETSİZ · GPL

gretl

Ekonometri odaklı grafik arayüz ve hansl betik dili. Kesit regresyonu, tanı testleri, lojit/probit ve ileri düzey ekonometri.

Py
İSTEĞE BAĞLI

Python + JupyterLab

Veri temizleme ve otomasyon için pandas; istatistiksel modelleme için statsmodels; görselleştirme için matplotlib.

JM
TARİHSEL / SEÇMELİ

JMulTi

GPLv2 lisanslı, ağırlıkla zaman serisi analizi için geliştirilmiş eski bir Java yazılımı. Kesit verili İKT 549'un temel aracı değildir.

Jamovi–R köprüsü: Jamovi'nin Syntax Mode özelliği analizlerin arkasındaki R kodunu gösterir. Rj modülüyle R kodları doğrudan Jamovi içinde çalıştırılabilir. GAMLj3 genelleştirilmiş doğrusal modeller için değerlendirilebilir. Modüller Modules → jamovi library menüsünden kurulur. Jamovi–R belgesi ↗
YazılımEn uygun kullanımKod gereksinimiDers içindeki rol
JamoviTemel ve orta seviye istatistiksel testler, raporlamaYok; Rj ile isteğe bağlıBirincil arayüz
R / RStudioTekrarlanabilir analiz, özel yöntemler, grafiklerVarAna destekleyici yazılım
GNU PSPPSPSS benzeri iş akışı ve sözdizimiİsteğe bağlıKarşılaştırmalı uygulama
gretlKesit regresyonu, iktisadi modeller, tanı testleriİsteğe bağlıEkonometri uygulaması
PythonVeri hazırlama, otomasyon, gelişmiş modellemeVarSeçmeli destek
JMulTiKlasik zaman serisi yöntemleriÇoğunlukla arayüzTarihsel / seçmeli tanıtım

Ek seçenek: JASP, klasik ve Bayesçi testler için incelenebilir. Yazılımlar ücretsiz ve açık kaynak olarak sunulsa da kurulum gereksinimleri işletim sistemine ve güncel sürüme göre değişebilir.

Önerilen öğretim akışı

14 haftalık uygulama planı

Bu tablo resmî ve değişmez bir ders izlencesi değil; açık kaynak araçlarla yürütülebilecek, lisansüstü düzey için önerilmiş esnek bir içerik planıdır. Haftaları açarak uygulamaları görüntüleyebilirsiniz.

01 İstatistiksel araştırma süreci
Uygulama: Araştırma sorusu, gözlem birimi, yatay kesit/veri paneli ayrımı, örnekleme ve veri sözlüğü. Araç: Jamovi, CSV.
02 Veri girişi ve ön işleme
Uygulama: Ölçüm düzeyi, eksik veri, aykırı değer, kategorik kodlama ve veri kontrol listesi. Araç: Jamovi, R.
03 Betimsel istatistikler ve grafikler
Uygulama: Ortalama, medyan, varyans, değişim katsayısı, histogram, kutu grafiği, çapraz tablo. Araç: Jamovi, PSPP.
04 Olasılık, örnekleme ve güven aralıkları
Uygulama: Bootstrap mantığı, standart hata, örnekleme dağılımı ve güven aralığı yorumlama. Araç: R, Jamovi.
05 Varsayım kontrolü ve tek örneklem testleri
Uygulama: Q–Q grafiği, normalite, tek örneklem t-testi, etki büyüklüğü; varsayımları bağlama göre tartışma. Araç: Jamovi.
06 İki bağımsız / bağımlı grup
Uygulama: Welch t-testi, eşleştirilmiş t-testi, Mann–Whitney ve Wilcoxon alternatifleri. Araç: Jamovi, PSPP.
07 ANOVA ve çoklu karşılaştırmalar
Uygulama: Tek yönlü ANOVA, Welch ANOVA, post-hoc testler, eta-kare, Kruskal–Wallis. Araç: Jamovi.
08 Kategorik veri analizi
Uygulama: Ki-kare bağımsızlık, Fisher kesin testi, Cramér's V, oran ve olasılık ayrımı. Araç: Jamovi, PSPP.
09 Korelasyon analizi
Uygulama: Pearson, Spearman, aykırı gözlemler ve saçılım grafikleri. Araç: Jamovi, R.
10 Basit ve çoklu doğrusal regresyon
Uygulama: Katsayı yorumu, kukla değişken, güven aralıkları, R² ve düzeltilmiş R². Araç: Jamovi, gretl.
11 Regresyon tanı testleri
Uygulama: Artık grafikleri, değişen varyans, çoklu doğrusal bağlantı, etkili gözlem, sağlam standart hata. Araç: gretl, R.
12 İkili sonuçlar ve lojistik regresyon
Uygulama: Lojit/probit fikri, odds ratio, olasılık ve sınıflandırma performansı; kesit veri. Araç: Jamovi GAMLj3, R, gretl.
13 Çok değişkenli yöntemler
Uygulama: Faktör analizi, güvenirlik ve gerektiğinde temel bileşenler analizi. Araç: Jamovi, R.
14 Araştırma raporu ve tekrar üretim
Uygulama: Aynı veriyle Jamovi + R analizi, kod/çıktı arşivi, kaynakça ve sınırlılıkların sunulması. Araç: Jamovi, R, seçmeli Python.
Karar rehberi

Hangi soruya hangi analiz?

Test seçimi sadece normalite sonucuna değil; araştırma tasarımı, bağımlılık yapısı, değişken tipi, örneklem büyüklüğü ve varsayımlara birlikte dayanmalıdır.

Araştırma sorusuTemel yaklaşımAlternatif / dikkatUygulama
Bir grubun ortalaması referans değerden farklı mı?Tek örneklem t-testiWilcoxon işaretli sıra / işaret testi; bağımsız örneklemJamovi
İki bağımsız grubun ortalaması farklı mı?Welch t-testiMann–Whitney; sıra/dağılım yorumuJamovi, PSPP
Aynı bireylerin önce–sonra ölçümleri değişti mi?Eşleştirilmiş t-testiWilcoxon işaretli sıra testiJamovi
Üç veya daha fazla bağımsız grubun ortalamaları farklı mı?ANOVA / Welch ANOVAKruskal–Wallis, çoklu karşılaştırmalarJamovi
İki kategorik değişken ilişkili mi?Pearson ki-kare bağımsızlık testiFisher kesin testi; seyrek hücreleri kontrolJamovi, PSPP
İki nicel değişken ilişkili mi?Pearson korelasyonuSpearman sıra korelasyonu; saçılım grafiğiJamovi, R
Bir nicel çıktı nasıl açıklanıyor?Çoklu doğrusal regresyonArtıklar, fonksiyonel biçim, değişen varyansJamovi, gretl, R
İkili sonuç olasılığı nasıl değişiyor?Lojistik regresyonOdds ratio ≠ risk oranı; model uyumu ve doğrulamaJamovi GAMLj3, R
Ölçek maddeleri ortak yapı oluşturuyor mu?Faktör analizi / güvenirlikÖlçek geliştirme gerekçesi ve yapı geçerliğiJamovi
Yorum uyarısı: İstatistiksel anlamlılık etki büyüklüğü anlamına gelmez; korelasyon ve gözlemsel yatay kesit regresyonu da tek başına nedensellik kanıtı değildir. P-değerinin yanında güven aralığı, etki büyüklüğü ve modelin sınırlılıkları raporlanmalıdır.
Veri kütüphanesi

Ücretsiz ve açık yatay kesit veri kaynakları

Gözlem biriminin kişi, hane, işletme, müşteri veya ülke olduğu veriler önceliklidir. Bazı portallardaki yıllık ülke-bazlı veriler tek yıl seçilerek yatay kesite dönüştürülür.

Erişim ve lisans ayrımı: Ücretsiz indirilebilme her zaman açık lisansla yeniden paylaşılabilme anlamına gelmez. Yeşil etiketli kaynaklarda belirtilen veri setinin lisansı açıktır; katalog ve başvuru kaynaklarında her dosyanın özel koşulları ayrıca kontrol edilmelidir.
CC BY 4.0ÖĞRENCİ

UCI · Student Performance

Portekiz'de iki okulun öğrenci kayıtları; başarı, aile, çalışma süresi ve sosyal özellikler. Grup testleri ve regresyon için.

Birim: öğrenci · Birden fazla ders dosyası var; tekini seçin.
Veri ve veri sözlüğü ↗
CC BY 4.0BİREY

UCI · Adult (Census Income)

Gelir kategorisi, eğitim, yaş, çalışma ve demografik değişkenler. Ki-kare ve lojistik regresyon için.

Birim: birey · Geniş örneklem; eksik/kodlama kontrolü.
Veri ve veri sözlüğü ↗
CC BY 4.0KREDİ

UCI · German Credit

1.000 kredi başvurusuna ilişkin çeşitli nitelikler ve risk sınıfı. Çapraz tablolar ve ikili sonuç modelleri.

Birim: kredi dosyası · Kategorilerin kodlarını okuyun.
Veri ve veri sözlüğü ↗
CC BY 4.0MÜŞTERİ

UCI · Credit Card Default

30.000 kredi kartı müşterisinin temerrüt durumu ve açıklayıcı bilgileri; lojit/probit ve tahmin uygulamaları.

Birim: müşteri · Geçmiş dönem değişkenleri içerir.
Veri ve veri sözlüğü ↗
CC BY 4.0PAZARLAMA

UCI · Bank Marketing

Bankanın telefon kampanyaları ve mevduat aboneliği sonucu. Sınıflandırma, ki-kare, lojit için uygun.

Birim: temas kaydı; aynı müşteriye tekrar temas olabileceğini dikkate alın.
Veri ve veri sözlüğü ↗
CC BY 4.0ÜRÜN

UCI · Wine Quality

Portekiz kırmızı/beyaz şarap örnekleri; fizikokimyasal ölçümler ve kalite puanı. ANOVA ve regresyon.

Birim: şarap örneği · Kırmızı ve beyaz veri dosyaları.
Veri ve veri sözlüğü ↗
CC BY 4.0ÜLKE

World Bank · WDI

Ülkelerin eğitim, sağlık, gelir, istihdam gibi göstergeleri. Aynı yıl için ülkeleri satırlara alarak yatay kesit oluşturun.

Birim: ülke × seçilen yıl · Ülke ve seri kapsamı değişebilir.
Veri kataloğu ↗
Atıflı serbest kullanım*ÜLKE

Gapminder · Ülke göstergeleri

Ülkeler arası kişi başı gelir, yaşam beklentisi ve nüfus örnekleri. İndirilen göstergelerden ortak yıl tablosu kurun.

Birim: ülke × yıl · *Her göstergenin asıl kaynağına atıf yapın.
CSV / XLSX veri kaynakları ↗
Açık veri portalıÜLKE

Our World in Data

Ekonomi, sağlık, demografi, çevre ve eğitim göstergeleri; grafiklerden CSV alın ve tek yıl için karşılaştırma yapın.

Birim: ülke/yer × yıl · Üçüncü taraf veri lisansları değişir.
Göstergeleri keşfet ↗
Açık tablo portalıTÜRKİYE

TÜİK · Veri Portalı

İller/bölgeler için yayımlanan gösterge tabloları ve SDMX veri indirme olanakları. Tek yıl–il karşılaştırması yapın.

Birim: il/bölge × yıl · Açık tablolar, mikro veriden farklıdır.
Veri portalı ↗
Açık tablo portalıAB / BÖLGE

Eurostat · Database

Avrupa ülkeleri ve bölgeleri için istihdam, gelir, eğitim vb. toplulaştırılmış göstergeler; CSV/TSV erişimi.

Birim: ülke/bölge × yıl · Mikro veri setleri ayrıca kısıtlı olabilir.
Veri tabanı ↗
Açık tablo portalıOECD

OECD · Data Explorer

Ülke bazlı makro ve sosyal göstergeleri seçin; sabit bir yıl için karşılaştırmalı veri seti hazırlayın.

Birim: ülke × yıl · Seri tanımlarını ve kullanım koşullarını kontrol edin.
Data Explorer ↗
Eğitim veri koleksiyonuKARIŞIK

OpenIntro · Veri setleri

Öğretim ve araştırma alıştırmaları için çok sayıda örnek veri; R openintro paketiyle erişim.

Birim: veri setine göre değişir · Kaynak ve lisansı ayrıca inceleyin.
Veri listesi ↗
Veri bazında izinMİKRO VERİ

World Bank · Microdata Library

LSMS, işletme anketleri ve diğer birey/hane/işletme çalışmaları. Katalogda Open data access filtresini kullanın.

Birim: birey/hane/işletme · Serbest, kayıtlı veya kısıtlı erişim değişir.
Mikro veri kataloğu ↗
Başvuru / kısıtTÜRKİYE

TÜİK · Mikro Veri

Hanehalkı/işletme mikro verilerine erişim, verinin grubuna göre başvuru, protokol, güvenlik ve ücret koşullarına tabidir.

Birim: birey/hane/işletme · Doğrudan açık CSV kaynağı değildir.
Erişim koşulları ↗

15 kaynak listeleniyor. Kaynaklar için gözlem birimi, tarih, örnekleme tasarımı, veri sözlüğü, eksik değerler, lisans ve atıf bilgileri birlikte kaydedilmelidir.

Uygulamalı ödev fikirleri

Gerçek araştırma soruları kurun

Aşağıdaki çalışmalar, uygun veri ve yöntem gerekçesiyle kısa bir akademik rapora dönüştürülebilir. Sınıf uygulamaları için sentetik ders verisi de kullanılabilir.

PROJE A · EĞİTİM

Öğrenci başarısını ne açıklar?

  • Veri: UCI Student Performance
  • Yöntem: Welch t, ANOVA, regresyon
  • Rapor: Etki büyüklüğü, grup farkı, model varsayımları
PROJE B · FİNANS

Kredi riski nasıl sınıflandırılır?

  • Veri: UCI German Credit / Credit Card Default
  • Yöntem: Ki-kare, lojistik regresyon
  • Rapor: Odds ratio, güven aralığı, sınırlılıklar
PROJE C · KALKINMA

Ülkeler arasında kalkınma farkı

  • Veri: WDI'dan aynı yıl ülke kesiti
  • Yöntem: Grafik, korelasyon, regresyon
  • Rapor: Aykırı ülkeler, veri kapsamı, nedensellik sınırı
Başlangıç paketi

İndir, aç, analiz et

Ders için sıfırdan hazırlanmış, gerçek kişi kayıtları içermeyen sentetik yatay kesit veri seti ve temel Jamovi–R–Python uygulamaları.

İKT 549 · Örnek çalışma dosyaları

180 kurgusal gözlem · gelir/harcama/yaş/eğitim · kodlama, t-testi, ANOVA, ki-kare ve regresyon uygulamaları.

Uyarı: Sayısal değerler öğretim için üretilmiştir; Türkiye'ye ilişkin resmî istatistik olarak yorumlanamaz.

Jamovi'de ilk uygulama

  1. CSV dosyasını açın ve değişkenlerin ölçüm türlerini doğrulayın.
  2. Exploration → Descriptives ile histogram ve özet istatistik üretin.
  3. T-Tests → Independent Samples T-Test ile gelir–cinsiyet karşılaştırmasını kurun.
  4. Regression → Linear Regression ile harcamayı açıklayın.
  5. Analizi .omv olarak kaydedin, tabloyu yorumlayın.

R ile aynı fikri test edin

RStudio'da dosyanın bulunduğu klasörü çalışma dizini yapın. Aşağıdaki kod CSV ile aynı klasörde çalışır:

veri <- read.csv("ikt549_ornek_yatay_kesit.csv",
                 fileEncoding="UTF-8-BOM")
summary(veri)
t.test(aylik_gelir_tl ~ cinsiyet, data=veri)
model <- lm(aylik_harcama_tl ~ aylik_gelir_tl + yas + egitim,
            data=veri)
summary(model)

İlgili tam örnek betiği ve isteğe bağlı Python uygulaması üstte indirilebilir.

Öğrenme ve başvuru kaynakları

Ücretsiz kitaplar ve resmî kılavuzlar

Önce uygulamalı Jamovi kaynakları, ardından daha derin istatistik ve R kaynakları. Dış içeriklerin lisansları kendi sayfalarında belirtilmiştir.

Telif ve kaynak ilkesi: Ders kaynakçasında ticari istatistik kitapları da önerilebilir; ancak telif hakkıyla korunan tam PDF'ler, yayınevi izni veya uygun lisans olmadan bu sayfadan dağıtılmamalıdır. Uygulamalarda mümkün olduğunda resmî, erişilebilir ve açık lisanslı materyaller kullanılmalıdır.
Bilimsel iyi uygulamalar

Her analizde kontrol listesi

Veri ve tasarım

  • Örnekleme ve gözlem birimi belirtilmiş mi?
  • Eksik veri, ağırlıklar ve veri dönüşümleri açıklanmış mı?
  • Gözlemler bağımsız mı, yoksa kümelenmiş mi?
  • Veri kaynağı, tarih, sürüm ve lisans kaydedilmiş mi?

İstatistiksel yöntem

  • Yöntem araştırma sorusuna uygun mu?
  • Varsayımlar ve tanı grafikleri incelendi mi?
  • p-değeri yanında güven aralığı ve etki büyüklüğü var mı?
  • Çoklu karşılaştırmalar ve duyarlılık analizleri ele alındı mı?

Şeffaf raporlama

  • Değişken adları ve kodlar veri sözlüğünde mi?
  • Jamovi .omv, R kodu ve sonuçlar arşivli mi?
  • Yorumlar analiz sonuçlarıyla sınırlı mı?
  • Kaynakça, yazılım ve veri atfı tam mı?