Bu çalışma materyali, istatistiksel dağılma ölçüleri ve olasılık kavramlarına ilişkin bilgileri, bir ders kaydı ve kopyalanmış metin kaynaklarından derleyerek sunmaktadır.

---

📊 İstatistiksel Dağılma Ölçüleri ve Olasılık Kavramları

📚 Giriş

Veri setlerini özetlemede merkezi eğilim ölçüleri (aritmetik ortalama, medyan, mod gibi) tek başına yeterli değildir. Birimlerin birbirlerinden veya ortalamadan ne kadar uzaklaştığını gösteren dağılma ölçülerine ihtiyaç duyulur. Bu ölçüler, verinin homojenliği veya değişkenliği hakkında bilgi verir. Bu çalışma materyalinde, mutlak ve nispi dağılma ölçüleri ile temel olasılık kavramları detaylı bir şekilde incelenecektir.

1️⃣ Mutlak Dağılma Ölçüleri

Mutlak dağılma ölçüleri, verilerin kendi birimleri cinsinden dağılımını gösterir.

1.1. Değişim Aralığı (Range)

📚 Tanım: Bir serideki en büyük değer ile en küçük değer arasındaki farktır. ✅ Formül: Değişim Aralığı = Xmaks – Xmin

Örnek:

1. Hafta için değerler: 25, 28, 30, 32, 34. Değişim Aralığı = 34 - 25 = 9
2. Hafta için değerler: 28, 30, 31, 32, 34. Değişim Aralığı = 34 - 28 = 6 Bu durumda, 2. haftanın değişim aralığı daha küçük olduğu için öğrencinin matematik başarısı 2. haftada daha homojendir (istikrarlıdır).

⚠️ Özellikleri ve Sınırlılıkları:

• Hesaplanması kolaydır.
• Sadece en büyük ve en küçük değerleri dikkate alır, bu nedenle analitik olmayan veya duyarsız bir ölçüdür.
• Cebirsel işlemlere elverişli değildir.
• Aşırı değerlerden kolayca etkilenir.
• Gözlem sayısı arttıkça değişim aralığının genişlemesi beklenir, bu nedenle farklı birim sayısına sahip serileri karşılaştırmak sağlıklı değildir.
• Ölçü birimi farklı serilerin değişim aralığını kıyaslamak doğru değildir.
• Açık sınıflı serilerde hesaplanamaz.
• Bu zayıflıkları nedeniyle, dağılma derecesini belirlemede daha güçlü ölçüler (ortalama sapma, standart sapma) geliştirilmiştir.

1.2. Ortalama Sapma (Mean Deviation)

📚 Tanım: Bir serideki tüm değerlerin aritmetik ortalamadan farklarının mutlak değerlerinin ortalamasıdır. ✅ Özellikleri:

• Serideki tüm değerleri dağılma ölçüsü hesabına dahil eden analitik bir ölçüdür.
• Birimlerin aritmetik ortalamadan ortalama olarak ne kadar saptığını belirlemeyi amaçlar.
• Aritmetik ortalamadan sapmaların toplamı daima sıfır olduğu için, bu sorunu aşmak amacıyla sapmaların mutlak değerleri alınır.
• Mutlak değer kullanımı nedeniyle cebirsel işlemlere elverişliliği kısıtlıdır.

Formül:

• Basit Seri İçin: $OS = \frac{\sum |X_i - \bar{X}|}{n}$
• Tasnif Edilmiş Seri İçin: $OS = \frac{\sum |X_i - \bar{X}| \cdot f_i}{n}$
• Sınıflanmış Seri İçin: $OS = \frac{\sum |m_i - \bar{X}| \cdot f_i}{n}$ (burada $m_i$ sınıf orta noktasıdır)

💡 Örnek (Basit Seri): Açlık kan şekeri ölçümleri (120, 125, 130, 135, 140).

1. Aritmetik ortalama ($\bar{X}$) = (120+125+130+135+140) / 5 = 130.
2. Sapmaların mutlak değerleri: $|120-130|=10$, $|125-130|=5$, $|130-130|=0$, $|135-130|=5$, $|140-130|=10$.
3. Ortalama Sapma = (10+5+0+5+10) / 5 = 30 / 5 = 6. Bu değer, gözlem değerlerinin ortalamadan ortalama olarak 6 birim saptığını gösterir.

1.3. Standart Sapma ve Varyans (Standard Deviation and Variance)

📚 Tanım:

• Varyans ($s^2$): Gözlem değerlerinin aritmetik ortalamadan sapmalarının karelerinin ortalamasıdır.
• Standart Sapma ($s$): Varyansın kareköküdür. Dağılımın değişkenlik derecesini gösterir.

✅ Özellikleri:

• Serideki tüm gözlem değerlerini hesaba katan analitik ve duyarlı bir dağılma ölçüsüdür.
• Sapmaların karelerinin alınması, toplamın sıfır olma sorununu ortadan kaldırır ve cebirsel işlemlere elverişli olmasını sağlar. Bu özelliği sayesinde ileri istatistiksel analizlerde yaygın olarak kullanılır.
• Alt sınırı sıfırdır (tüm birimler eşitse). Üst sınırı yoktur.
• Hesaplandığı serinin ölçü birimiyle ifade edilir. Bu durum, farklı ölçü birimlerine sahip serilerin kıyaslanmasını zorlaştırır.

Formüller:

• Basit Seri İçin: $s = \sqrt{\frac{\sum (X_i - \bar{X})^2}{n}}$ ve $s^2 = \frac{\sum (X_i - \bar{X})^2}{n}$
• Tasnif Edilmiş Seri İçin: $s = \sqrt{\frac{\sum (X_i - \bar{X})^2 \cdot f_i}{n}}$ ve $s^2 = \frac{\sum (X_i - \bar{X})^2 \cdot f_i}{n}$
• Sınıflanmış Seri İçin: $s = \sqrt{\frac{\sum (m_i - \bar{X})^2 \cdot f_i}{n}}$ ve $s^2 = \frac{\sum (m_i - \bar{X})^2 \cdot f_i}{n}$
• Alternatif Formül (Aritmetik ve Kareli Ortalama ile): $s^2 = \bar{X^2} - (\bar{X})^2$ ve $s = \sqrt{\bar{X^2} - (\bar{X})^2}$

💡 Örnek (Basit Seri): Sinema bilet ücretleri (20, 22, 24, 26, 28 TL).

1. Aritmetik ortalama ($\bar{X}$) = (20+22+24+26+28) / 5 = 24 TL.
2. Sapmaların kareleri: $(20-24)^2=16$, $(22-24)^2=4$, $(24-24)^2=0$, $(26-24)^2=4$, $(28-24)^2=16$. Toplam = 40.
3. Varyans ($s^2$) = 40 / 5 = 8.
4. Standart Sapma ($s$) = $\sqrt{8} \approx 2.83$ TL. Bu değer, bilet fiyatlarında ortalama bilet ücreti olan 24 TL'den ortalama olarak 2.83 TL'lik bir sapma olduğunu ifade eder.

2️⃣ Nispi Dağılma Ölçüleri ve Standart Değer

Mutlak dağılma ölçülerinin sınırlılıklarını gidermek amacıyla nispi dağılma ölçüleri geliştirilmiştir.

2.1. Değişim Katsayısı (Coefficient of Variation)

📚 Tanım: Bir dağılımın standart sapmasının aritmetik ortalamasına oranlanmasıyla elde edilen nispi bir dağılma ölçüsüdür. Genellikle yüzde (%) ile ifade edilir. ✅ Formül: $DK = \frac{s}{\bar{X}} \times 100$ 💡 Özellikleri:

• Ölçü biriminden ve rakamsal büyüklükten bağımsızdır.
• Farklı ölçü birimlerine veya farklı büyüklüklere sahip serilerin dağılma derecelerini ve homojenliklerini karşılaştırmada idealdir.
• Standart sapmanın üst sınırının bulunmamasından kaynaklanan yorumlama zorluğunu giderir.
• Dağılımın özelliğini tanımlama amacıyla sınırlıdır, ileri istatistik analizler için uygun değildir.

Örnek:

• A ülkesi: Ortalama Et Tüketimi = 2350 kg, Standart Sapma = 750 kg $DK_A = \frac{750}{2350} \times 100 \approx 31.91%$
• B ülkesi: Ortalama Et Tüketimi = 88450 kg, Standart Sapma = 10250 kg $DK_B = \frac{10250}{88450} \times 100 \approx 11.59%$ B ülkesinin değişim katsayısı daha küçük olduğu için, B ülkesindeki et tüketimi A ülkesine göre daha homojendir.

2.2. Standart Değer (Z-Skoru)

📚 Tanım: Bir dağılım içindeki herhangi bir gözlem değerinin, dağılımın ortalamasına göre konumunu belirlemek ve farklı dağılımlardaki gözlem değerlerini karşılaştırmak için kullanılan bir ölçüdür. Bir gözlem değerinin ortalamadan kaç standart sapma uzakta olduğunu gösterir. ✅ Formül: $Z = \frac{X_i - \bar{X}}{s}$ 💡 Özellikleri:

• Ortalaması sıfır ve standart sapması bir olan standart bir dağılım oluşturur.
• Farklı serilerdeki verilerin kıyaslanabilir hale gelmesini sağlar.
• Pozitif Z-değeri ortalamanın üzerinde, negatif Z-değeri ise ortalamanın altında bir konumu ifade eder. Z=0 ise değerin ortalamaya eşit olduğunu gösterir.
• Bağıl not sistemi (çan eğrisi) gibi değerlendirme sistemlerinin temelini oluşturur.

Örnek: Bir öğrencinin ders notları. | Ders Adı | Öğrencinin Notu ($X_i$) | Sınıf Ortalaması ($\bar{X}$) | Sınıf Standart Sapması ($s$) | | :------- | :---------------------- | :--------------------------- | :---------------------------- | | Matematik | 80 | 65 | 12 | | İstatistik | 70 | 45 | 8 |

• Matematik dersi için Z-skoru: $Z_{Mat} = \frac{80 - 65}{12} = \frac{15}{12} = 1.25$
• İstatistik dersi için Z-skoru: $Z_{İst} = \frac{70 - 45}{8} = \frac{25}{8} = 3.125$

Öğrencinin İstatistik dersindeki Z-skoru (3.125) Matematik dersindeki Z-skorundan (1.25) daha yüksek olduğu için, öğrenci İstatistik dersinde sınıf ortalamasına göre daha başarılıdır.

3️⃣ Olasılık: Temel Kavramlar ve Hesaplamalar

Olasılık, geleceğin belirsizliğini nicel olarak ifade etme aracıdır.

3.1. Olasılık Kavramı

• Sübjektif Olasılık: Kişisel deneyimlere, inançlara ve koşullara dayalı, kişiden kişiye değişebilen öznel olasılıktır. İstatistiğin konusu değildir.
• Objektif Olasılık (Frekans Olasılığı): Belirli bir olayın gerçekleşme olasılığını, elverişli sonuç sayısının toplam mümkün sonuç sayısına oranı olarak tanımlar. Herkes için aynıdır. ✅ Formül: $P(A) = \frac{\text{Elverişli Sonuç Sayısı (m)}}{\text{Toplam Mümkün Sonuç Sayısı (n)}}$

3.2. Olasılık Kuramına Yönelik Temel Kavramlar

• Tesadüfi Deney: Mümkün sonuçları bilinen, ancak hangi sonucun gerçekleşeceği bilinmeyen işlemlerdir (örn: zar atma).
• Evrensel Küme (Örnek Uzay): Tesadüfi değişkenin alabileceği tüm değerlerin kümesidir (örn: zar atma için {1, 2, 3, 4, 5, 6}).
• Olasılık Bir Limit Durumdur: Olasılık, deney sayısı sonsuza yaklaştıkça ortaya çıkan bir limit durumu ifade eder. Kısa vadede sapmalar olabilir, ancak uzun vadede beklenen olasılığa yaklaşılır.
• Olasılığın Sınırları: Bir olayın gerçekleşme olasılığı 0 ile 1 arasında değer alır.
  • $P(A) = 0$: Olayın gerçekleşmesi imkansızdır.
  • $P(A) = 1$: Olayın gerçekleşmesi kesindir.
  • $0 \le P(A) \le 1$

3.3. Basit ve Birleşik Olaylar

• Basit Olaylar: Tesadüfi bir deneyde ortaya çıkabilecek sonuçlardan her biridir (örn: zar atıldığında 6 gelmesi).
• Birleşik Olaylar: Birden fazla basit olayın gerçekleşmesidir (örn: iskambil destesinden kupa veya karo çekilmesi).

3.3.1. Bağdaşmayan Olaylar (Mutually Exclusive Events)

📚 Tanım: İki basit olayın aynı anda meydana gelmesi mümkün değilse bu olaylara bağdaşmayan olaylar denir. Kesişim kümeleri boş kümedir. ✅ Olasılık Formülü: $P(A \text{ veya } B) = P(A) + P(B)$ Örnek: Bir zar atıldığında 1 veya 6 gelme olasılığı. $P(1) = 1/6$, $P(6) = 1/6$. $P(1 \text{ veya } 6) = 1/6 + 1/6 = 2/6 = 1/3$.

3.3.2. Bağdaşan Olaylar (Mutually Inclusive Events)

📚 Tanım: İki basit olayın aynı anda meydana gelebiliyorsa veya birinin meydana gelmesi diğerini engellemiyorsa bu olaylara bağdaşan olaylar denir. Kesişim kümeleri boş küme değildir. ✅ Olasılık Formülü: $P(A \text{ veya } B) = P(A) + P(B) - P(A \text{ ve } B)$ Örnek: İskambil destesinden kupa veya as çekme olasılığı. $P(\text{Kupa}) = 13/52$, $P(\text{As}) = 4/52$. Kupa Ası hem kupa hem as olduğu için $P(\text{Kupa ve As}) = 1/52$. $P(\text{Kupa veya As}) = 13/52 + 4/52 - 1/52 = 16/52$.

3.4. Koşullu Olasılık (Conditional Probability)

📚 Tanım: Bir olayın, başka bir olayın gerçekleştiği bilindiğinde meydana gelme olasılığıdır. ✅ Formüller:

• A olayı koşulken B olayının olasılığı: $P(B|A) = \frac{P(A \text{ ve } B)}{P(A)}$
• B olayı koşulken A olayının olasılığı: $P(A|B) = \frac{P(A \text{ ve } B)}{P(B)}$ Örnek: Bir zar atıldığında, zarın üç veya üçten küçük sayı gelmesi (A olayı) koşulken, altıdan küçük çift sayı gelmesi (B olayı) olasılığı. A = {1, 2, 3}, B = {2, 4}. $A \text{ ve } B = {2}$. $P(A) = 3/6$, $P(B) = 2/6$, $P(A \text{ ve } B) = 1/6$. $P(B|A) = \frac{1/6}{3/6} = 1/3$.

3.5. Bağımsızlık Kavramı ve Bağımsız Olaylar

📚 Tanım: A olayının gerçekleşme olasılığı B olayının gerçekleşme olasılığından; B olayının gerçekleşme olasılığı da A olayının gerçekleşme olasılığından tamamen bağımsız ise bu olaylara bağımsız olaylar denir. ✅ Koşul: $P(A \text{ ve } B) = P(A) \cdot P(B)$ Örnek: Bir paranın iki kez atılması. İlk atışta yazı gelmesi (A) ve ikinci atışta tura gelmesi (B) bağımsız olaylardır.

3.6. Bağımlı Olaylar

📚 Tanım: Ardarda gerçekleşecek iki olaydan ilkinin alacağı sonuç, ikinci olayın sonuçlarını değiştiriyorsa bu tür olaylara bağımlı olaylar denir (örn: iadesiz çekim). ✅ Olasılık Formülü: $P(A \text{ ve } B) = P(A) \cdot P(B|A)$ Örnek: Bir kalemlikte 5 siyah, 5 kırmızı kalem var. Ardarda iadesiz iki kalem çekildiğinde ikisinin de siyah olma olasılığı. $P(\text{1. Siyah}) = 5/10$. $P(\text{2. Siyah | 1. Siyah}) = 4/9$. $P(\text{1. Siyah ve 2. Siyah}) = (5/10) \cdot (4/9) = 20/90 = 2/9$.

3.7. Permütasyon ve Kombinasyon

Bu kavramlar, olasılık hesaplamalarında elverişli ve mümkün sonuç sayılarını belirlemede kullanılır.

3.7.1. Permütasyon

📚 Tanım: n sayıda birimin, sıra farkı gözetilerek kaç değişik şekilde sıralanabileceğini gösteren dizilimdir. ✅ Formül: $P(n, k) = \frac{n!}{(n-k)!}$ (n birimden k tanesinin sıralanması) Örnek: 10 kursiyerden 3 farklı objenin (tepsi, fincan, vazo) dağıtılması: $P(10, 3) = \frac{10!}{(10-3)!} = \frac{10!}{7!} = 10 \cdot 9 \cdot 8 = 720$ değişik şekilde dağıtılabilir.

3.7.2. Kombinasyon

📚 Tanım: n adet birimin, sıra farkı gözetilmeksizin kaç değişik şekilde seçilebileceğini veya grup oluşturabileceğini belirleme işlemidir. ✅ Formül: $C(n, k) = \binom{n}{k} = \frac{n!}{k!(n-k)!}$ Örnek: 7 matematik öğretmeninden 3 kişilik bir komisyon oluşturulması: $C(7, 3) = \frac{7!}{3!(7-3)!} = \frac{7!}{3!4!} = \frac{7 \cdot 6 \cdot 5}{3 \cdot 2 \cdot 1} = 35$ değişik şekilde komisyon kurulabilir.

📝 Sonuç

Bu çalışma materyali, istatistiksel verilerin değişkenliğini anlamak için kullanılan mutlak ve nispi dağılma ölçülerini detaylıca incelemiştir. Değişim aralığının sınırlılıkları, ortalama sapmanın analitik yapısı ve standart sapma ile varyansın istatistiksel analizlerdeki önemi vurgulanmıştır. Ayrıca, farklı serileri karşılaştırmada değişim katsayısının ve bir gözlemin dağılım içindeki konumunu belirlemede standart değerin kritik rolü açıklanmıştır. Son olarak, olasılık kavramının temel prensipleri, sübjektif ve objektif yaklaşımları, olay türleri ve olasılık hesaplama yöntemleri ele alınmıştır. Bu ölçüler ve kavramlar, istatistiksel verilerin doğru yorumlanması ve bilinçli kararlar alınması için vazgeçilmez araçlardır.