Başkaları Tarafından Oluşturulan İki Kategorik Değişkenli Verilerin İlişkililiğine Dayalı İstatistiksel Sonuç Veya Yorumları Tartışma Ders Notu

Bu derste, başkaları tarafından toplanmış iki kategorik değişkenli verileri nasıl analiz edeceğimizi ve bu verilere dayanarak istatistiksel sonuçlar veya yorumlar yaparken nelere dikkat etmemiz gerektiğini öğreneceğiz. Özellikle, verilerin tablo halinde sunulduğu durumlarda, değişkenler arasındaki ilişkileri anlamak için yüzde hesaplamaları ve yorumlama becerileri üzerinde duracağız.

İki Kategorik Değişkenli Veriler ve İlişkililik

Kategorik Değişken Nedir? 🤔

Kategorik değişkenler, gözlemleri sayılarla değil, gruplar veya kategorilerle ifade eden değişkenlerdir. Bu değişkenler, bireyleri veya öğeleri belirli özelliklerine göre sınıflandırmak için kullanılır.

• Örnekler:
  • Cinsiyet (Kadın, Erkek)
  • Medeni Durum (Evli, Bekar, Boşanmış, Dul)
  • Eğitim Durumu (İlkokul, Ortaokul, Lise, Üniversite)
  • Bir anketteki "Evet/Hayır" veya "Katılıyorum/Katılmıyorum" gibi cevaplar
  • Favori Renk (Kırmızı, Mavi, Yeşil vb.)

İki Kategorik Değişkenli Veri Nedir? 📊

İki kategorik değişkenli veri, aynı bireyler veya birimler hakkında iki farklı kategorik değişkenin bilgilerinin toplandığı veri kümesidir. Bu tür verileri incelemenin temel amacı, bu iki değişken arasında bir ilişki (yani, birinin kategorileri diğerinin kategorileriyle birlikte belirli bir düzen gösteriyor mu?) olup olmadığını anlamaktır.

• Örnek: Bir öğrencinin cinsiyeti ile hangi spor dalını sevdiği arasındaki ilişkiyi incelemek. Burada "Cinsiyet" ve "Favori Spor Dalı" iki ayrı kategorik değişkendir.

Çapraz Tablolar (İki Yönlü Sıklık Tabloları) ✅

İki kategorik değişken arasındaki ilişkiyi görselleştirmek ve analiz etmek için en yaygın kullanılan yöntemlerden biri çapraz tablolardır (veya iki yönlü sıklık tabloları).

Çapraz Tablo: Bir değişkenin kategorilerini satırlarda, diğer değişkenin kategorilerini sütunlarda gösteren ve her bir hücrede ilgili kategori kombinasyonunun gözlem sayısını (sıklığını) içeren bir tablodur.

Çapraz Tablo Oluşturma ve Yorumlama Adımları 📝

1. Verileri Düzenleme: Başkaları tarafından toplanmış ve size sunulmuş olan ham verileri veya özetlenmiş sayıları çapraz tablo formatına yerleştirin.
2. Sıklıkları Hesaplama: Tablodaki her bir kategori kombinasyonunun kaç kez tekrar ettiğini (sıklığını) belirleyin. Bu genellikle size verilen tabloda zaten mevcuttur.
3. Yüzdeleri Hesaplama: İlişkiyi daha iyi anlamak için çeşitli yüzdeleri hesaplayın. Bu yüzdeler, değişkenler arasındaki farklılıkları ve olası ilişkileri ortaya koyar.
   • Satır Yüzdeleri: Bir satırdaki her hücrenin değerini o satırın toplamına bölerek elde edilir. Bu, bir değişkenin belirli bir kategorisindeki dağılımı diğer değişkenin kategorilerine göre gösterir.
   • Sütun Yüzdeleri: Bir sütundaki her hücrenin değerini o sütunun toplamına bölerek elde edilir. Bu, diğer değişkenin belirli bir kategorisindeki dağılımı ilk değişkenin kategorilerine göre gösterir.
   • Genel Yüzdeler: Her hücrenin değerini genel toplama bölerek elde edilir. Bu, her bir kategori kombinasyonunun tüm veri seti içindeki oranını gösterir.
4. İlişkiyi Tartışma ve Yorumlama: Hesaplanan yüzdeleri dikkatlice karşılaştırarak değişkenler arasında bir ilişki olup olmadığını veya ilişkinin yönünü ve gücünü (10. sınıf seviyesinde yüzeysel olarak) yorumlayın.

Örnek Olay İncelemesi: Kategori Verilerini Yorumlama 💡

Bir lisede yapılan anket çalışmasında, öğrencilerin "Matematik Dersi Sevgisi" ve "Cinsiyet" değişkenleri arasındaki ilişki incelenmiştir. Anket sonuçları aşağıdaki çapraz tabloda özetlenmiştir:

Cinsiyet \ Matematik Sevgisi	Seviyor	Sevmiyor	Toplam
Kız	80	40	120
Erkek	60	70	130
Toplam	140	110	250

Şimdi bu tablodaki verileri kullanarak istatistiksel sonuçlar ve yorumlar yapalım:

1. Satır Yüzdelerini Hesaplama ve Yorumlama 🎯

Bu yüzdeler, her bir cinsiyet grubunun (satırların) içinde, matematik dersini sevme veya sevmeme oranlarını gösterir. Bu, "Cinsiyet" değişkeninin "Matematik Sevgisi" üzerindeki olası etkisini anlamak için önemlidir.

• Kız Öğrenciler İçin (Toplam 120 kız öğrenci):
  • Matematik seven kız öğrencilerin oranı: \( \frac{80}{120} \times 100 % \approx 66.67 % \)
  • Matematik sevmeyen kız öğrencilerin oranı: \( \frac{40}{120} \times 100 % \approx 33.33 % \)
  • Yorum: Kız öğrencilerin yaklaşık %67'si matematiği seviyor, %33'ü ise sevmiyor.
• Erkek Öğrenciler İçin (Toplam 130 erkek öğrenci):
  • Matematik seven erkek öğrencilerin oranı: \( \frac{60}{130} \times 100 % \approx 46.15 % \)
  • Matematik sevmeyen erkek öğrencilerin oranı: \( \frac{70}{130} \times 100 % \approx 53.85 % \)
  • Yorum: Erkek öğrencilerin yaklaşık %46'sı matematiği seviyor, %54'ü ise sevmiyor.

Karşılaştırma ve İlişki Yorumu (Satır Yüzdelerine Göre): Kız öğrenciler arasında matematik sevenlerin oranı (%66.67), erkek öğrenciler arasındaki orandan (%46.15) daha yüksektir. Bu durum, bu örneklemde kız öğrencilerin matematik dersini sevme eğiliminin erkek öğrencilere göre daha fazla olduğunu düşündürebilir.

2. Sütun Yüzdelerini Hesaplama ve Yorumlama 📈

Bu yüzdeler, matematik sevenler veya sevmeyenler grubunun (sütunların) içinde, cinsiyet dağılımını gösterir. Bu, "Matematik Sevgisi" değişkeninin "Cinsiyet" üzerindeki olası etkisini anlamak için önemlidir.

• Matematik Seven Öğrenciler İçin (Toplam 140 matematik seven öğrenci):
  • Matematik seven kız öğrencilerin oranı: \( \frac{80}{140} \times 100 % \approx 57.14 % \)
  • Matematik seven erkek öğrencilerin oranı: \( \frac{60}{140} \times 100 % \approx 42.86 % \)
  • Yorum: Matematik seven öğrencilerin yaklaşık %57'si kız, %43'ü erkektir.
• Matematik Sevmeyen Öğrenciler İçin (Toplam 110 matematik sevmeyen öğrenci):
  • Matematik sevmeyen kız öğrencilerin oranı: \( \frac{40}{110} \times 100 % \approx 36.36 % \)
  • Matematik sevmeyen erkek öğrencilerin oranı: \( \frac{70}{110} \times 100 % \approx 63.64 % \)
  • Yorum: Matematik sevmeyen öğrencilerin yaklaşık %36'sı kız, %64'ü erkektir.

Karşılaştırma ve İlişki Yorumu (Sütun Yüzdelerine Göre): Matematik sevenler grubunda kız öğrencilerin oranı daha yüksekken, matematik sevmeyenler grubunda erkek öğrencilerin oranı daha yüksektir. Bu da cinsiyet ile matematik sevgisi arasında bir ilişki olabileceğini destekler.

3. Genel Yüzdeleri Hesaplama ve Yorumlama 🌐

Bu yüzdeler, her bir kategori kombinasyonunun toplam öğrenci sayısına oranını gösterir. Bu, her bir grubun genel içindeki büyüklüğünü anlamak için faydalıdır.

• Toplam öğrenci sayısı: 250
• Matematik seven kız öğrenci oranı: \( \frac{80}{250} \times 100 % = 32 % \)
• Matematik sevmeyen kız öğrenci oranı: \( \frac{40}{250} \times 100 % = 16 % \)
• Matematik seven erkek öğrenci oranı: \( \frac{60}{250} \times 100 % = 24 % \)
• Matematik sevmeyen erkek öğrenci oranı: \( \frac{70}{250} \times 100 % = 28 % \)

Yorum: Tüm öğrencilerin %32'sini matematik seven kız öğrenciler oluştururken, %28'ini matematik sevmeyen erkek öğrenciler oluşturmaktadır. Bu yüzdeler, her bir grubun genel içindeki büyüklüğünü gösterir ancak iki değişken arasındaki ilişkinin yönünü ve gücünü anlamak için genellikle satır veya sütun yüzdeleri daha açıklayıcıdır.

İstatistiksel Sonuçları Tartışırken Dikkat Edilmesi Gerekenler ⚠️

Başkaları tarafından oluşturulan verileri yorumlarken ve istatistiksel sonuçları tartışırken bazı önemli noktalara dikkat etmek gerekir:

• Örneklem Büyüklüğü: Yapılan anket veya araştırmanın kaç kişi üzerinde yapıldığı sonuçların genellenebilirliği açısından önemlidir. Küçük bir örneklemden elde edilen sonuçlar, tüm popülasyon için geçerli olmayabilir.
• Temsiliyet: Verilerin toplandığı örneklemin, temsil etmek istediği ana kitleyi ne kadar iyi yansıttığı kritiktir. Rastgele seçilmiş bir örneklem genellikle daha güvenilir sonuçlar verir.
• "İlişki" Her Zaman "Neden-Sonuç" Anlamına Gelmez: İki değişken arasında bir ilişki bulunması, birinin diğerine doğrudan neden olduğu anlamına gelmez. Örneğin, yukarıdaki örnekte cinsiyet ile matematik sevgisi arasında bir ilişki bulunsa bile, cinsiyetin doğrudan matematik sevgisine neden olduğunu söyleyemeyiz. Başka faktörler (eğitim ortamı, öğretmen tutumu, kişisel ilgi alanları vb.) de etkili olabilir.
• Veri Kaynağı: Verilerin kim tarafından, nasıl, ne zaman ve hangi amaçla toplandığı, yorumların güvenilirliği açısından önemlidir. Veri toplama yöntemindeki olası yanlılıklar sonuçları etkileyebilir.
• Kategorilerin Tanımı: Kategorik değişkenlerin ve onların kategorilerinin (örneğin "seviyor" ve "sevmiyor" ne anlama geliyor, bu tanımlar net mi?) net bir şekilde tanımlanmış olması, doğru yorumlar yapabilmek için kritiktir.