İstatistiksel yığın

İstatistiksel yığın yahut anakütle yahut evren kavramı istatistik biliminde belirli bir konudaki tüm değişkenlerin ölçülebilecek değerlerini ifade eder. Örneğin; Türkiye'de bulunan kişiler bir istatistiksel yığın değil, bunların mümkün sayısı (yani sayılması mümkün nüfus ) bir istatistiksel yığın olmaktadır. Ankara'nın sayılması mümkün nüfusu ise Türkiye yığınından alınmış bir örneklemdir. Dikkat edilirse istatistiksel yığın kavramı ile, herhangi bir değişkeni içeren elemanlara değil, değişkenlerin mümkün olarak ölçülebilen veya sayılabilen içerik karakteristiğine atıf yapılmaktadır. Böylece istatistikte istatistiksel yığın ya ölçülebilir ya sayılabilir karekteristiktir ve sayısal olarak ortaya çıkabilmesi mümkündür.

İstatistik biliminde istatistiksel yığın sayılarını betimlemek ve özetlemek için yapılabilmesi mümkün olan hesaplamalar için (örneğin N {\displaystyle N} , μ {\displaystyle \mu } , σ 2 {\displaystyle \sigma ^{2}} , σ {\displaystyle \sigma } , π {\displaystyle \pi } gibi) semboller kullanılır. Genellikle bu hesaplamalar yapmak imkân dahilinde olmakla beraber, pratikte bu hesaplar tam bir sayım kullanılarak yapılmaz ve betimleme ve özetleme aletleri bir kavram olarak kalırlar. İstatistiksel yığın betimleme ve özetleme aletlerine (özellikle merkezsel konum ölçüleri ve istatistiksel yayılma ve sapma özetlemelerine), pratikte gerçek olarak hesaplarla değerlendirilmedikleri için parametre yahut anakütle parametresi adı verilir.

İstatistik biliminin iki anakolundan biri olan betimsel istatistik daha çok elde edilen örnekte değişken ölçüm veya sayım verilerini ve bunların özetlerini bulmak için kullanılır. Böylece örnek kullanılarak yapılan ölçüm veya sayımlardan sonra elde edilen özetleyici hesaplamalara da (biraz kavram karışıklığına da neden olarak) istatistik adı verilir. Bu demektir ki istatistiksel yığın için (pratikte ölçülmeyen ve sayılmayan) parametreler vardır ve bu parametre kavramlarının benzeri olarak örnekten elde edilen veriler kullanarak ölçülen veya sayılan istatistikler bulunmaktadır. Örneğin, istatistik simgeleri sırası ile n {\displaystyle n} , x ¯ {\displaystyle {\bar {x}}} , s 2 {\displaystyle s^{2}} , s {\displaystyle s} , p {\displaystyle p} sayılmış ve ölçülmüş değerlerden hesaplamalar ile örnekten ortaya çıkartılmış gerçek sayısal değerlerdir.

İstatistik biliminin en önemli bir kısmı çıkarımsal analiz olarak bilinir. Çıkarımsal analizin en önemli kısmı ise değeri bilinmeyen istatistiksel yığın parametreleri hakkında olasılık kuramından çıkarılmış parametre-istatistik bağlantıları ile, pratikte ölçülmüş veya sayılmış olan örnek istatistikleri değerlerinden sonuç çıkartmaktır. Çıkarımsal istatistik analizin diğer bir kısmı ise (istatistiksel yığın parametreleri hakkında değil de) istatistiksel yığın karekteristikleri hakkında parametrik olmayan çıkarımsal analizdir.

Bu çıkarımsal analiz uğraşını önemli bulan birçok istatistikçi, istatistiksel yığın kavramını, çok kere bir istatistiksel yığından alınan rastgele örnek kullanıp ölçülme veya sayımlama ile, pratikte elde edilen verilerin özetlemelerini kullanarak hakkında sonuç çıkarılmak istenilen karateristik olarak tanımlamaktadırlar.

Kaynakça

Dış bağlantılar

  • Statistical Terms Made Simple 23 Şubat 2008 tarihinde Wayback Machine sitesinde arşivlendi.
  • g
  • t
  • d
İstatistik
Betimsel istatistik
Sürekli veriler
Merkezî konum
Yayılma
Dağılım şekli
Varyans • Çarpıklık • Basıklık • Moment (matematik)
İstatistiksel tablolar
Sıklık dağılımı  • Çoklu sayılı özetleme tabloları  • İlişki tablosu  • Çoklu-yönlü sınıflandırma tabloları
İstatistiksel grafikler
Dairesel grafik • Çubuk grafiği • Kutu grafiği • Dal-yaprak grafikleri •Kontrol diyagramı • Histogram • Sıklık çizelgesi • Q-Q grafiği • Serpilme diyagramı
Veri toplama
Örnek tasarımı
Deneysel tasarım
Anakütle • İstatistiksel deneysel tasarım tipleri  • Deneysel hata  • Yineleme • Bloklama • Duyarlılık ve belirleme
Örneklem kavramları
Örneklem büyüklüğü • Sınama gücü  • Etki büyüklüğü • Örnekleme dağılımı •Standart hata
Çıkarımsal istatistik
ve
İstatistiksel kestirim ve testler
Çıkarımsal analiz tipleri
Kestirim  • Parametrik çıkarımsal analiz  •Parametrik olmayan çıkarımsal analiz  • Bayesci çıkarımsal analiz  • Meta-analiz
Çıkarımsal kestirim
Genel kestirim kavramları
Momentler yöntemi • Enbüyük olabilirlik • Enbüyük artçıl  • Bayes-tipi kestirimci • Minimum uzaklık • Maksimum aralık verme
Tekdeğişkenli kestirim
Kestirim  • Güven aralığı  • İnanılır aralık
Hipotez testi
İstatistiksel test ana kavramları
Sıfır hipotez  • I.Tür ve II.Tür hata  • Anlamlılık seviyesi  •p-değeri
Basit tek-değişkenli ve iki-değişkenli
parametrik hipotez testi
μ için testi •

π için test • μ12 için test • π12 için test  •

σ12 için test
Tek-değişkenli ve iki-değişkenli
parametrik olmayan test analizi
Medyan testi  • Ki-kare testi • Pearson ki-kare testi •Phi katsayısı  • Wald testi • Mann-Whitney U testi • Wilcoxon'in işaretli sıralama testi
Korelasyon
ve
Regresyon analizi
Korelasyon
Doğrusal regresyon
Regresyon analizi  • Doğrusal model • Genel doğrusal model • Genelleştirilmiş doğrusal model
Doğrusal olmayan regresyon
Parametrik olmayan • Yarıparametrik • Logistik
Varyans analizi
Tek-yönlü varyans analizi • Kovaryans analizi • Bloklu tek-yönlü varyans analizi • Etki karışımı değişkeni
Çokdeğişkenli istatistik
Çokdeğişkenli regresyon • temel bileşenler · Faktör analizi  •Kanonik korelesyon  • Uygunluk analizi  • Kümeleme analizi
Zaman serileri analizi
Yapısal model tanımlanması
Zaman serisi yapisal model ögeleri  • Zaman serisi ögeleri saptanması  • Zaman grafiği • Korrelogram
Zaman serileri kestirim teknik ve modelleri
Dekompozisyon • Trend uygulama kestirimi  • Üssel düzgünleştirme  • ARIMA modelleri  • Box–Jenkins  • Spektral yoğunluk kestirimi
Kestirim değerlendirmesi
Zaman seri kestirim değerlendirmesi
Sağkalım analizi
Sağkalım fonksiyonu • Kaplan–Meier • Log-sıra testi • Başarısızlık oranı • orantılı tehlikeler modeli
Kategori • Outline • Endeks