İstatistik

12 kişilik bir sınıfın sınav puanlarıyla ortalama, medyan ve mod arasındaki farkı; bir aykırı değerin ortalamayı nasıl yanılttığını görüyoruz.

Zar atışlarıyla olasılığın ne olduğunu, olayların birleşimini/kesişimini ve bağımsızlığı deneysel olarak kuruyoruz.

Rassal değişken nedir, kesikli (PMF) ve sürekli (PDF) dağılımlar nasıl farklı çalışır, CDF ikisini nasıl aynı çatı altında toplar?

Tek bir e-posta açılır mı açılmaz mı (Bernoulli), 20 e-postalık bir kampanyada kaçı açılır (Binom)? İlk kesikli dağılım ailemizi kuruyoruz.

Bir kafeye saatte ortalama 4 müşteri geliyorsa, hiç müşteri gelmeyen ya da aşırı yoğun bir saat ne kadar olası? Poisson dağılımı bunu ölçer.

Neden bu kadar çok şey çan eğrisine benziyor? Normal dağılımın PDF ve CDF eğrilerini sınav puanları üzerinden kurup okuyacağız.

Bir otobüs durağında rastgele bir anda beklemeye başladığında, bekleme süren neden her değeri eşit olasılıkla alır? Uniform dağılımı kuruyoruz.

Şirket gelirleri, ev fiyatları neden hep sağa çarpık çıkar? Bir değişkenin logaritması normal dağılınca ortaya çıkan Log-normal dağılımı kuruyoruz.

Bir mobil oyunda oyuncuların %20'si gelirin %59'unu mu oluşturuyor? Pareto dağılımıyla "80/20 kuralının" arkasındaki matematiği kuruyoruz.

Kaynak veri ne kadar çarpık olursa olsun, örneklem ortalamaları neden hep Normal dağılıma yaklaşır? İstatistiğin en güçlü teoremini kuruyoruz.

50.000 haneli bir şehirde herkese ulaşamıyorsun. 200 haneli bir örneklem gerçeği ne kadar yansıtır, ve yanlış seçilmiş bir örneklem seni nasıl yanıltır?

"%95 güvenle ortalama 67-73 arasında" ne demek — gerçek ortalamanın %95 ihtimalle orada olduğu mu? Hayır. 100 aralık çizip gerçek anlamını görüyoruz.

Yeni bir öğretim yöntemiyle sınıf ortalaması 70den 73.2ye çıktı. Bu gerçek bir iyileşme mi, yoksa şans mı? Hipotez testinin mantığını kuruyoruz.

Bir A/B testinde yeni buton %10.5, eski buton %8.0 dönüşüm aldı. 2000 kişilik veriyle bu fark "anlamlı" mı? İki oranlı z-testini kuruyoruz.

14 kişilik küçük bir pilot grupla yeni bir öğretim yöntemini test ediyoruz. n bu kadar küçükken z-testi neden yetmiyor, t-testi nasıl devreye giriyor?

Bir test yanlış alarm mı veriyor, yoksa gerçek bir etkiyi mi kaçırıyor? İki hata türünü ve bunları önlemenin tek yolu olan istatistiksel gücü kuruyoruz.

Üç farklı e-posta başlığı %24, %29 ve %19 açılma oranı aldı. Bu fark başlıktan mı kaynaklanıyor, yoksa şans mı? Kategorik veride ki-kare testini kuruyoruz.

Üç öğretim yöntemini karşılaştırmak için neden 3 ayrı t-testi değil de tek bir ANOVA testi kullanırız? Cevap: 3 testin gizli bir bedeli var.

%90 doğru bir test pozitif çıktı. Gerçekten hasta olma ihtimalin %90 mı? Hayır — %32.1. Bayes teoremi ve taban oranı yanılgısını kuruyoruz.

Dört farklı veri seti, dördü de r=0.816 — ama biri doğrusal, biri eğrisel, biri tek bir aykırı değerden ibaret. r tek başına neden yetmiyor?