İstatistiksel analiz hizmetleri

Ekibimiz, Türkiye'nin en büyük sigorta ve finans kuruluşlarının strateji ve analitik ekiplerinde

çalışmış, raporlama, veri analizi, planlama ve strateji konularındaki deneyimleri ile istatistiksel hizmetlerde uzmanlaşmış kişilerden oluşmaktadır. 2008 yılından itibaren istatistiksel veri analizi üzerine özellikle tıp, sosyal araştırma, ekonometri gibi bir çok alanda çalışmalar gerçekleştirdik.

Bizler Türkiye'nin önde gelen değerlendirme kuruluşlarından biri olmak vizyonu ile yolu çıktık. Analitik düşünceyi, sistematik çalışmayı, değer yaratan kaliteli üretimi hizmet değerlerimiz olarak

kabul ettik. Çağın gerekliliği olan veri analizi ile sizleri daha ileriye taşıyacak desteği sağlamak  amacıyla çözümler sunuyourz. Analitik ihtiyaçlarınız, bilimsel yayınlarınız, uzmanlık tezleriniz, 

saha araştırmalarınız ve her türlü istatistiksel çalışmalarınız için iletişim bilgilerinden bize ulaşabilirsiniz.

Farklı istatistik paket programlarında istatistiksel analizler, özenle, eksiksiz ve çalışma amacınıza yönelik olarak ihtiyaçlarınıca uygun bir zaman içerisinde tez yazım kurallarına göre yapılır, tablolaştırılır, yorumlanır ve raporlanır. Anketlerinize veya araştırma ilişkin veri girişi yapılır. Anket sorularınız araştırma konusu amacına en uygun biçimde hazırlanır, tasarlanır. Deneyimlerimiz sayesinde elde ettiğimiz bilgi birikimi doğrultusunda içerik yönünden eksiksiz, görsel kalitesi yüksek, bilimsel olarak tutarlı çalışmalar ile destek vermekteyiz.

Tüm hizmetlerimizde çalışmalarınız kabul edilene kadar desteğimiz sürmektedir. Değerlendirme aşamasında talep edilecek düzenlemeler ve eklemeler ekstra bir ücret talep edilmeksizin en fazla iletildikten 2 iş günü sonra tamamlanmaktadır.Türkiye'nin her yerinden bize aşağıdaki iletişim bilgileri ile ulaşabilir ve bilgi alabilirsiniz.

İletişim bilgileri:

Analitik Hizmetler Sorumlusu

GSM: 0536 633 60 79

e-mail: ermantoktay@gmail.com

www.istatistiksel.com

Çalışmanıza ilişkin dokümanları mail yoluyla veya İstanbul'da istatistikçileriniz ile yapacağınız görüşme esnasında bize ulaştırabilirsiniz. İstatistiksel danışmanlık için hemen bilgi alın. Bize 0536 633 60 79 numaralı telefondan ya da ermantoktay@gmail.com mail adresinden ulaşabilirsiniz.

İstatistiksel testler

Parametrik ve non-parametrik testler
İstatistiksel analiz yapılmadan önce, verilerin kategorik (nominal, ordinal) ya da sürekli (aralıklı, oransal) olup olmadığına bakılmalıdır. Kategorik verilerde parametrik olmayan istatistikler kullanılırken, sürekli verilerde ise parametrik istatistikler kullanılır.

Bağımlı iki grup ortalaması için Student t testi
Deneklerin önce ve sonra değerleri ortalamaları arasında fark olup olmadığının test edilmesidir

Wilcoxon işaretli sıra testi
Bu testte bağımlı iki grubun ortalamaları değil, ortancaları arasındaki farkın önemli olup olmadığı test edilir. Yani evren medyan farkı hakkındaki hipotezi test eder.  Genel olarak, normal dağılım göstermeyen değerler için Wilcoxon testi, t testine göre daha güçlüdür, yani önce ve sonra değerleri arasında fark varsa, daha doğru olarak saptar. Normal dağılım gösteren değerler için her iki testin gücü aynıdır.

Bağımsız iki grup ortalamasının karşılaştırılması
Bağımsız gruplar  denince, her grupta farklı deneklerin yer aldığı, bir gruptaki bir deneğin aynı zamanda başka gruplarda da bulunmadığı anlaşılır.

Student t testi
Varyansların homojenliği Levene-F testi kullanarak değerlendirmektedir. P>0.05 ise %5 anlamlılık düzeyinde “varyanslar eşittir” hipotezi kabul edilir. Böylece deney ve kontrol gruplarının varyanslarının homojen olduğu kabul edilir. Varyansların homojenliğinin sağlanması, tip II hatasına karşı araştırmayı korur Student t testi varsayımları sağlanamıyorsa Mann-Whitney U testi ya da Bağımsız iki grupta medyan testi uygulanır.

Bağımsız iki grupta medyan testi 
Bağımsız iki grupta medyan testi, iki grubun aynı medyana sahip evrenlerden geldiği şeklindeki hipotezin test edilmesinde kullanılır. Medyan testinin uygulanabilmesi için, verilerin en az ordinal ölçekle ölçülmesi gerekir.

Mann-Whitney U testi
Dağılımı normal olmayan bağımsız iki grup varsa değerlere dönüşüm uygulandığında (dönüştürülmüş değerler normal dağılıyorsa ve yine bu dönüştürülmüş değerlerin varyansı eşitse, t testi uygulanabilir) ve bu iki varsayımdan herhangi birinin sağlanamadığı durumlarda t testinin non-parametrik karşılığı olan Mann-Whitney U testi kullanılır.Bu testte de yapılan, değerlere sıra dönüşümü uygulanması ve ortalamalar yerine ortancaların karşılaştırılmasıdır .

Kestirim ve Hipotez testleri

Bilimsel çalışmaların amacı, örneklem değerinden evren değerlerinin kestirilmesidir. Evren parametrelerinin kestirilmesi için ya güven aralığı ve sınırları ya da hipotez testleri kullanılır.Güven aralığı ve güven sınırları : Belirli bir olasılıkla, bilinmeyen evren değerini içeren değerler aralığıdır. Sıklıkla %95, bazen de %90 ve %99 güven sınırları kullanılmaktadır.

Farklılık olmadığının varsayıldığı hipoteze, yokluk hipotezi, farksızlık hipotezi, sıfır hipotezi, başlangıç hipotezi adı verilir ve Ho ile gösterilir.H1 ile gösterilen alternatif hipotez  adı verilen hipotez ise, Ho hipotezinin tam tersidir.
Ho hipotezinin reddedilmesi için hesaplanan olasılığın %5 ya da daha az olması genellikle kabul edilen sınırdır; yani Ho hipotezinin doğruluğu için hesaplanan olasılık %5 ya da daha küçükse, bu hipotezin kabul edilemeyeceği yargısına varılırHo hipotezi “iki ortalama arasında fark vardır” şeklinde ise hipotez iki-yönlü; “1.grubun ortalaması 2.grup ortalamasından büyüktür/küçüktür” şeklinde ise tek-yönlü’dür.

Normal Dağılım

İstatistik analiz yapılırken, dağılımın özelliği çok önemlidir. Çünkü farklı dağılım gösteren verilere uygulanacak tanımlayıcı ve analitik istatistik yöntemleri de farklıdır. Parametrik testlerin uygulanabilmesi için, dağılımın normal ya da normale yakın olması gerekir.Standart sapması değeri 1 ise, frekans eğrisi çan şeklinde olan simetrik dağılımdır. Normal dağılım simetrik olduğu için, normal dağılım gösteren değişkenlerin ortalama, ortanca ve modları eşittir.

Dağılım şekli ölçütleri :  Çarpıklık –1 ve +1 arasında yer alır. Normal dağılımın çarpıklık katsayısı sıfırdır. Denekler ortalamadan daha büyük değerlerde toplanıyorsa, negatif basık ya da soldan basık, küçük değerlerde toplanıyorsa pozitif basık ya da sağdan basık dağılımdan söz edilir.

Parametrik testlerin tümünün uygulanabilmesi için gereken varsayımların başında verilerin dağılımının normal olması gelir. Normal dağılımdan gelmeyen ölçümler kullanıldığında, gerçekte olduğundan daha küçük bir p değeri ya da daha dar bir güven aralığı hesaplanır. Bu durumda, doğru bir hipotezi reddetme olasılığı artar. Yani, iki grup arasında fark olmadığı halde fark varmış gibi sonuç elde edilebilir.

Dağılımın normal olup olmadığı grafik ve istatistik analiz yöntemleri ile anlaşılır. Histogram, dal ve yaprak grafiği ve normal olasılık grafiği çizilerek dağılımın normal olup olmadığı hakkında fikir edinilebilir.
Ama bu izlenimin istatistik yöntemlerle de test edilmesi gerekir. Shapiro-Wilks (n<30) ve Lilliefors (n>30)  testleri bu amaçla sıklıkla kullanılan testlerdir. Bu testlerde p değeri <0.05 ise dağılımın normal olmadığı sonucuna varılır.

Örneklem büyüklüğü arttıkça, deneklerin dağılımı ve ortalamanın örneklem dağılımı normal dağılıma yaklaşır.
Genellikle bir örneklemde 30 ya da daha fazla sayıda denek varsa, evren normal dağılım göstermiyorsa bile, ortalamanın örneklem dağılımının normal olduğu varsayılabilir

Verilerin normal dağılmadığı durumlarda iki işlem yapılabilir :
1.      Verilere dönüşüm uygulayarak, onların normal dağılıma uymalarını sağlamak.
2.      Varolan verilere parametrik olmayan bir test uygulamak

Yayılma Ölçütleri

Farklı grupların merkezi eğilim ölçütleri aynı olduğu halde, gruplar birbirlerinden çok farklı olabilir. Bu nedenle merkezi eğilim ölçütleri yanında, yayılma ölçütleri de çok önemlidir.

Değer aralığı (Genişlik - Range) 
En basit yaygınlık ölçüsüdür. En küçük ve en büyük değer arasındaki farktır.
Örnek büyüklüğü ile artma eğilimi vardır. Ortalama gibi, uç değerlerden çok etkilenir. En uçtaki iki değer arasında kalan değerler hakkında bilgi vermez.

Standart sapma ve Varyans
Standart sapma, bir örneklemdeki denek değerlerinin örneklem ortalamasından aşağı ya da ne kadar saptığını, yani denek değerlerinin yayılmasını gösterir. Yani, denekler arasında ne kadar yaygınlık olduğunu ifade eder. Ss’ nın karesine varyans adı verilir. Tüm değerlerin dağılımı ile bilgi verirler. Tüm değerler eşitse, her ikisi de sıfıra eşittir. Değerler arasında farklar arttıkça standart sapma (Ss) ve varyans büyür.

Merkezi eğilim ölçütü olarak ortalama kullanıldığında, yayılma ölçütü olarak da standart sapma kullanılır.
Normal dağılım gösteren değişken değerleri için aşağıdaki kurallar geçerlidir :
1.      Değerlerin % 67’si ortalama ± 1 Ss içindedir.
2.      Değerlerin % 95’i ortalama ± 2 Ss içindedir.
3.      Değerlerin % 99.7’si ortalama ± 3 Ss içindedir

Standart hata
Aynı evrenden seçilecek, ya da seçilmesi mümkün olan aynı büyüklükteki örneklemlerin ortalamalarının yayılmasına ortalamanın örneklem dağılımı  denir. Ortalamanın örneklem dağılımının ölçütü  ortalamanın standart hatası (standard error of mean = SEM)’ dır.
Çalışmaya alınan örneklemin yayılma özellikleri verilmek isteniyorsa, doğru olanı Ss’nın verilmesidir. Çünkü, SEM örneklemdeki deneklerin yayılması ile ilgili olmadığı için, makaledeki çalışma grubunun değişkenliğini göstermez.
Çalışma gruplarındaki ortalamaların karşılaştırıldığı grafiklerde ise ±2 SEM kullanılması daha doğrudur.

Değişim katsayısı [coefficient of variation (CV)]
Birimleri farklı olan değişkenlerin yayılmalarını karşılaştırmak için değişim katsayıları kullanılır. Değişim katsayısı, standart sapmanın ortalamaya oranının yüzde olarak ifadesidir.

Çeyrek ve Yüzdelikler
Çeyrek ve yüzdelikler bir aralık olmayıp bir noktayı gösterirler.
25’inci yüzdelik birinci çeyrek, 50’inci yüzdelik ikinci çeyrek (yani ortanca), 75’inci yüzdelik üçüncü çeyrek olarak adlandırılır. 25’inci yüzdelik, gözlemlerin %25’inin bunun altında ve %75’inin üstünde kaldığı değerdir. 50’ici yüzdelikte değerlerin %50’si bunun altında, %50’si üzerindedir.Değerlerin dağılımı normalse, ortalama – 2 Ss ve ortalama + 2 Ss, sırasıyla 2.5 ve 97.5 persentil değerlerine karşılık gelir.Çeyrekler arası aralık : 25 ve 75 persentil (birinci çeyrek ve üçüncü çeyrek) değerleri arasındaki farka denir. Yani değerlerin ortada yer alan %50’ si çeyrekler arası aralıktadır.

Tıp alanında kullanılan temel istatistiksel kavramlar II

TANIMLAYICI İSTATİSTİK
Tanımlayıcı istatistikler verilerin sayısal ya da grafiksel olarak özetlenmesidir. Çalışmada veriler toplandıktan sonra, bunların merkezi eğilimleri, yayılımları, çarpıklık  araştırılır.

A.Merkezi Eğilim Ölçütleri
Bu ölçüt verilerin değer olarak nerede toplandığını gösterir.

a.Aritmetik Ortalama :
Değerlerin toplamının denek sayısına bölünmesiyle elde edilir. Sayısal değişkenler için merkezi eğilim ölçütüdür.
Ordinal değişkenler için kullanılamaz.  Aşırı değerlerden etkilenir.

b.Ortanca =Orta değer=Median :
Küçükten büyüğe ya da büyükten küçüğe doğru sıralandığında, tam ortadaki deneğin değeridir. Denek sayısı çiftse, ortadaki iki deneğin ortalamaları alınır.
Ordinal veriler için en iyi merkezi dağılım ölçütüdür. Aşırı değerlerden etkilenmez. Nominal değerler için uygun değildir.

c.Tepe değeri = Mod :
Değişkenler içinde en fazla görülen, en çok tekrarlanan değerdir.
Tıpta nadir kullanılan bir merkezi eğilim ölçütüdür.
Ordinal ve sayısal değişkenlerde kaba bir merkezi eğilim ölçütü olarak kullanılabilir. Nominal veriler için uygun bir merkezi eğilim ölçütüdür.

Tıp alanında kullanılan temel istatistiksel kavramlar I

İstatistik belirli bir gerçek dünya problemi ile ilgili bilgilerin (datanın) toplanması, organize edilmesi ve analizi ile ilgili bilimsel metodlar ve bunlara dayandırılan geçerli çıkarımlarla ilgilenen bir bilim dalıdır.

Toplanan bilgilerin başkaları tarafından da anlaşılabilmesi,
Aynı yollarla elde edilmiş başka bilgilerle karşılaştırılabilmesi zorunluluğu,
Verilerin belli kurallara göre, tek tek ve dağılımlar halinde özetlenerek sunulması zorunluluğunu getirmiştir.


Uygun istatistik yöntemin seçilmesi için değişkenlerin ölçüm özellikleri iyi belirlemek gerekir.

Ölçüm özelliklerine göre değişkenler

SAYIMLA BELİRLENEN ÖLÇEKLER (KATEGORİK)
A.NOMİNAL (isimsel, kalitatif) ölçüm düzeyleri arasında bir sıralama ya da uzaklık – yakınlık gibi belirli bir mesafe yoktur
Placebo grubu “0”,
1.tedavi grubu “1”,
2.tedavi grubu “2” olarak kodlanabilir

B. ORDİNAL : Ordinal ölçüm, nominal ölçümün belirli bir biçimde veya belirli bir kritere göre sıralandırılması dır.
Sıralandırma, iyiden kötüye doğru ya da kötüden iyiye doğru yapılabilir.
 Ordinal bir değişkende, ölçüm düzeyleri arasında bir sıralama vardır, ancak düzeyler arasındaki uzaklık belli değildir. Örneğin radyolojik evreleri girdiğimiz “EVRE” adlı değişkene 1,2,3,4 değerleri girilebilir.
Bu değerler belli bir sırayı gösterir. Evre 3, evre 2’ den daha ileri bir evredir; evre 1 en iyi, evre 4 en kötü evredir.
Ama değişkenler arasındaki uzaklık belli değildir. Yani, evre 2, evre 1’ den ne kadar ileriyse, evre 4’ te evre 3’ ten o kadar ileridir denemez
Ordinal değişken değerleri yalnızca “<” ve “>” işlemleri için sayı gibi değerlendirilir; bunlar dışındaki matematik işlemler uygulanamaz.

ÖLÇÜMLE BELİRLENEN ÖLÇEKLER (SAYISAL)
Bir değişkenin aldığı değerler, nominal ya da ordinal değişkenlerde olduğu gibi araştırmacı tarafından belirlenmiş kodlar değil de gerçek rakamlarsa, o değişkenin sayısal ölçüm skalasında ölçüldüğü söylenebilir.
Sayısal ölçümle belirlenen değişkende, değişken düzeyleri arasında hem sıralama, hem de belirli bir uzaklık vardır. Sayısal değişken değerlerine, reel sayılara uygulanan her türlü matematik işlem uygulanabilir.
Sayısal değişkenleri, sınıflayarak ordinal değişkenlere dönüştürebiliriz.
Sayısal değişkenleri çok gerektirmedikçe, ordinal değişkenlere dönüştürmek uygun değildir.
İstatistik analiz sırasında hataya yol açmaz, ancak daha az bilgi veren yöntemlerin kullanılmasını gerektirebilir.
Bu nedenle çalışmalar sırasında verileri toplarken, sayısal değişkenleri sınıflandırmadan, gerçek değerleri ile kaydetmek, daha sonra gerekirse dönüşüm uygulamak yerinde olur.

Ankette hata kaynakları

Bir anketi değersiz kılabilecek hata kaynakları; kapsam, örnekleme, ölçüm ve cevaplamama hataları olmak üzere dört ayrı başlık altında toplanabilir.

Kapsam Hatası: Örneklemin seçildiği liste ya da çerçeve, araştırmacının ilgilendiği kitlenin tüm üyelerinin içermediği zaman oluşur. Eğer hakkında bilgi toplamayı planladığınız topluluğa hedef kitle, örneklemi seçeceğiniz listeyi anket kitlesi olarak tanımlarsak, kapsam hatası bu iki kitle arasındaki farktır.

Örnekleme Hatası: Etkisi azaltıla bilmekle birlikte hiçbir zaman tam olarak ortadan kaldırılamayacak bir hata türüdür. Hedef kitledeki herkes ankete dahil edilmediği sürece örnekleme hatası kaçınılmazdır. Bu hata türünü örneklem büyüklüğünü arttırarak kontrol etmek mümkündür.

Ölçüm Hatası: Verilerin toplanması safhasında gerçekleşebilir. Ankete verilen cevaplar çeşitli nedenlerle insanların gerçek görüşlerini yansıtmıyorsa bu hata oluşur.Örneğin; bir okulda öğretmenin ne sıklıkla sınav yaptığı sorusuna, üç ayda bir izleme testi yapılan bir sınıftaki öğrencilerin bazılar “nadiren” bazıları ise “düzenli” cevabını verebilirler.Ölçüm hatası anket sorularının yanısıra, anket yöntemi, anketör ve anketin uygulandığı kişilerden de kaynaklanabilir.

Cevaplamama Hatası: Örnekleme dahil olan kişilerden anketi cevaplayan ve cevaplamayanlar arsında, ankete konu olan özellikler açısından farklılıklar bulunması veya örnekleme dahilk olan kişilerin önemlibir kısmı ile görüşülmemesi durumlarında ortaya çıkar.

İstatistikte Ölçüm Türleri

Nominal Skala: Aralarında bir sıralama olmayan ve sadece sınıflandırma amacıyla rasgele isimler takılan verilerden oluşan ölçüm.
Örnek: Cinsiyet: Erkek, Kız
      Medeni Hal: Evli, Bekar, Boşanmış vb.

Ordinal Skala: Aralarında bir sıralama ilişkisi bulunan verileri gösteren ölçümdür. Değerler arasındaki farklar anlamlı değildir.
Örnek: Likert tipi 5 dereceli tutum ölçekleri
           Öğrenim Durumu: İlkokul, Ortaokul, Lise, Lisans vb.

Aralık Skalası: Sıralı ve değerleri arasındaki farkların anlamlı olduğu bir ölçümdür. Ancak değerler arasındaki oran anlamlı değildir. Gerçek bir 0 referans noktası yoktur.
Örnek: Sıcaklık: 0 derece, 12 derece vb.
           Tarih: Gün, ay, yıl, çeyrek, yarı yıl

Oranlı Skala: Sıralı, gerçek bir sıfır'ı (referans noktası) olan, değerler arası farkların ve değerler arasındaki oranların anlamlı olduğu verileri gösteren ölçüm.
Örnek: Aylık Gelir: 0, 300, 1000, 5000 vb.
           Boy: 0, 1.20, 1.85 vb.

Merkezi Eğilim Ölçütleri

Aritmetik Ortalama :
Değerlerin toplamının denek sayısına bölünmesiyle elde edilir. Sayısal değişkenler için merkezi eğilim ölçütüdür.
Ordinal değişkenler için kullanılamaz ve aşırı değerlerden etkilenir.

Ortanca (Orta değer - Median) :
Küçükten büyüğe ya da büyükten küçüğe doğru sıralandığında, tam ortadaki deneğin değeridir. Denek sayısı çiftse, ortadaki iki deneğin ortalamaları alınır.  Ordinal veriler için en iyi merkezi dağılım ölçütüdür. Aşırı değerlerden etkilenmez. Nominal değerler için uygun değildir.

Tepe değeri (Mod) :
Değişkenler içinde en fazla görülen, en çok tekrarlanan değerdir. Tıpta nadir kullanılan bir merkezi eğilim ölçütüdür. Ordinal ve sayısal değişkenlerde kaba bir merkezi eğilim ölçütü olarak kullanılabilir. Nominal veriler için uygun bir merkezi eğilim ölçütüdür.

Klinik araştırmaların tasarlanması

Doğru araştırma tasarıma ulaşmak için bir araştırıcının şu soruların cevabını vermesi gerekir;

- Çalışmanın amacı nedir?
- Çalışma sonucunda elde edilecek çıkarımın hangi değerde olması bekleniyor?
- Çalışılacak hastalık, ilaç ve hasta grubunun dikkat edilmesi gereken bir özelliği var mıdır?
- Çalışılacak tedavinin alternatifi var mıdır?
- Kontrol grubu kullanılmalı mıdır? Hangi kontrol grubu kullanılmalıdır?
- Çalışmaya ne kadar maliyet, süre ve ne kadar personel ayrılabilir?
- Çalışmanın yapılacağı merkezlerin olanakları nelerdir? Çalışma pratik olarak uygulanabilir mi?
- Düşünülen tasarım; hastalık, ilaç ve hasta grubu göz önüne alındığında etik midir?

Bu soruların cevapları sonucunda araştırıcı uygun çalışma tasarımına ulaşacaktır. Çalışma tasarımının belirlenmesi sırasında burada özetlenen  genel ilkeler ışığında her bir tasarımın özel koşullarının dikkate alınması önemlidir.
Sonuç olarak, klinik ilaç araştırmalarının tasarımı, elde edilecek verinin değerini belirleyen en önemli etkendir. Bu araştırmaların tasarlanması sırasında, çalışmanın fazı, amacı, ilacın ve hastalığın özellikleri, zaman, maliyet ve klinik uygulanabilirlik gözönüne alınmalı ve her bir tasarım türünün özellikleri bilinmelidir.

İstatistikçi

İstatistik programını bitirenlere "İstatistikçi" ünvanı verilir. İstatistikçi, kendince özel anlamı olan sayı ve sembollerle uğraşır. Kullandığı semboller özel bir dile benzer, bu yolla karmaşık ilişkileri basite indirger. Elde edilen sayısal verileri analiz ederek ilgilenilen sorunların çözümüne yarayacak çıkarsamalarda bulunur.

İstatistikçi, şu üç alanda çalışmaktadırlar: Öğretim, araştırma ve uygulama. Bunlardan ilk ikisi genellikle kuramsal istatistik alanına girer ve bu alana ilgi duyanlar genellikle üniversitelerde öğretim elemanı olarak çalışabilirler. Uygulamalı istatistikçiler sosyal ve politik bilimler, tıp, eğitim, doğal bilimler, endüstriyel faaliyetler vb. alanlarda sayısal verilerin toplanması, çözümlenmesi ve buna dayanarak geleceğe ilişkin tahminler yapılması ile ilgili konularda çalışırlar. Endüstrileşme ve planlı kalkınma çabasında olan ülkemizde iyi yetişmiş istatistikçilere büyük ihtiyaç duyulmaktadır.

Doğruluk ve Duyarlılık

Doğruluk (Accuracy); analiz sonucunun gerçek değere ne kadar yakın olduğunun, Duyarlılık(Precision) ise yapılan ölçümlerin birbirine ne ölçüde yakın olduğunun ifadesidir.

Bir analizde ölçümlerin duyarlılığıgerçeğe en yakın bir şekilde her zaman hesaplanabilir. Ancak gerçek değer tam olarak bilinmezse sonucun doğruluğuancak tahmin edilebilir.Bir ölçümde, duyarlılığın çok iyi olması onun doğruluğunun da çok iyi olduğunu göstermez, ancak gerçeğe yakınlığı konusunda bir fikir verebilir.

Örneğin, içinde tam %20 demir bulunan bir karışımın analizi sonunda bulunan yüzde demir miktarı sonucun doğruluk derecesi hakkında bir fikir verir.Öte yandan içindeki gerçek demir miktarı bilinmeyen bir filizin analizi sonunda bulunan yüzde demir, o değerin doğruluğu konusunda bir şey söylemez.

Bu sonucun elde edilmesi sırasındaki ölçümlerin birbirine yakınlığıyani ölçümün duyarlılığıise bulunan sonucun doğruluğu konusunda bir fikir verir. Doğruluk,ölçümlerin aritmetik ortalamasının gerçek değere yakınlığı olarak tanımlanır ve hata olarak ifade edilir. Duyarlılık ise, ölçümlerin birbirine yakınlığıolarak tanımlanır ve sapma olarak ifade edilir.Duyarlılık, aynı değeri yeniden elde etme becerisi olarak da tanımlanır.

Emek ve dayanışma gününe

Bilimlerin, toplumsal faydayı sağlayacak hedeflere yönelik uygulanması herkes için saygın bir yaşam sağlanması için şarttır. 

Veri analizinde profesyonel ve kaliteli hizmet

Ekibimiz, Türkiye'nin en büyük sigorta ve finans kuruluşlarının strateji ve analitik ekiplerinde çalışmış, raporlama, veri analizi, planlama ve strateji konularındaki deneyimleri ile istatistilsel hizmetlerde uzmanlaşmış kişilerden oluşmaktadır. 2008 yılından itibaren istatistiksel veri analizi üzerine özellikle tıp, sosyal araştırma, ekonometri gibi bir çok alanda çalışmalar gerçekleştirdik.

Bizler Türkiye'nin önde gelen değerlendirme kuruluşlarından biri olmak vizyonu ile yolu çıktık. Analitik düşünceyi, sistematik çalışmayı, değer yaratan kaliteli üretimi hizmet değerlerimiz olarak kabul ettik. Çağın gerekliliği olan veri analizi ile sizleri daha ileriye taşıyacak desteği sağlamak amacıyla çözümler sunuyourz. Analitik ihtiyaçlarınız, bilimsel yayınlarınız, uzmanlık tezleriniz, saha araştırmalarınız ve her türlü istatistiksel çalışmalarınız için iletişim bilgilerinden bize ulaşabilirsiniz.

Farklı istatistik paket programlarında istatistiksel analizler, özenle, eksiksiz ve çalışma amacınıza yönelik olarak ihtiyaçlarınıca uygun bir zaman içerisinde tez yazım kurallarına göre yapılır, tablolaştırılır, yorumlanır ve raporlanır. Anketlerinize veya araştırma ilişkin veri girişi yapılır. Anket sorularınız araştırma konusu amacına en uygun biçimde hazırlanır, tasarlanır. Deneyimlerimiz sayesinde elde ettiğimiz bilgi birikimi doğrultusunda içerik yönünden eksiksiz, görsel kalitesi yüksek, bilimsel olarak tutarlı çalışmalar ile destek vermekteyiz.

Tüm hizmetlerimizde çalışmalarınız kabul edilene kadar desteğimiz sürmektedir. Değerlendirme aşamasında talep edilecek düzenlemeler ve eklemeler ekstra bir ücret talep edilmeksizin en fazla iletildikten 2 iş günü sonra tamamlanmaktadır.Türkiye'nin her yerinden bize aşağıdaki iletişim bilgileri ile ulaşabilir ve bilgi alabilirsiniz.

İletişim bilgileri:
Analitik Hizmetler Sorumlusu
GSM: 0536 633 60 79
e-mail: info@istatistiqsel.com
www.istatistiqsel.com

Çalışmanıza ilişkin dokümanları mail yoluyla veya İstanbul'da istatistikçileriniz ile yapacağınız görüşme esnasında bize ulaştırabilirsiniz. İstatistiksel danışmanlık için hemen bilgi alın. Bize 0536 633 60 79 numaralı telefondan ya da info@istatistiqsel.com mail adresinden ulaşabilirsiniz.

Başarılı bir istatistiksel araştırma ilkeleri

İstatistiksel bir araştırmanın temelini; kullanılan ölçek oluşturmaktadır. Diğer bir deyişle, bilimsel
bir çalışmada gerçekleştirilecek istatistiksel analizlerin tümü, kullanılan ölçeğe göre şekillenmektedir.

Verilerin toplandığı grubun homojen bir grup olması durumunda, standart sapma düşük değerlere sahip olmaktadır. Veri toplanan birim  sayısının yüksek olması durumunda standart sapma halen yüksek değerler alıyor ise, grubun heterojen bir grup olduğu anlaşılmalıdır.

Veriler üzerinde çeşitli testlerin uygulanmasına geçilmeden önce, veri setinin geçerliliği ve güvenilirliği kontrol edilmelidir. Veri seti geçerli ve güvenilir değilse, elde edilecek sonuçlar da yanlış olacaktır.

Ankette bulunacak olan demografik değişkenleri anketin sonuna ekleyiniz.
Anket sorularınızın içine ters cevaplanmış sorular ekleyerek cevaplayıcıların odaklanmışlıklarını test edebilirsiniz.

Anket formunda mevcut soru sayısının %5’i oranında kontrol sorusu bulundurulabilir. Bu sorulara verilen cevaplar, verilerin kodlanmasından önce kontrol edilerek, gerektiği durumlarda anket değerlendirmeye alınmamalıdır.

Sosyal bilimlerde araştırmalarda aranan genel güvenirlik analizinde oranın %95 ve daha büyük
olması beklenir.

Tüm bu değerlendirmelerin ışığında, istatistiğin her şey demek olmadığı, bilimde mantık ve sezgilerin de mutlaka iyi kullanılması gerektiği de unutulmamalıdır.

Diagramlar, çubuk grafikler, çizgi grafikler

Diyagramlar
Her bir veri kategorisinin oranını bütün olarak görsel şekilde göstermekte kullanılırlar. Diyagramdaki her bir dilim bir yanıt kategorisinin oranına denk gelir. Bir diagramda dilim sayısı görüntüyü çok kalabalıklaştırmamak için altıyı geçmemelidir.

Çubuk grafikler
Birçok bilginin bir bakışta özetini sağladıkları için verilerinin gösterilmesinde sık kullanılırlar. Çubuk grafikleri, her zaman grafiğin neye ilişkin olduğunu belirten bir başlığı, çubukların neyi temsil ettiklerini belirten ifadeleri içermelidir. Çubuk grafikerde görüntü yanıltıcı olabileceği için farkların anlamlı olup olmadığını belirten açıklamalar da yapılmalıdır.

Çizgi grafikler
Verilerin belirli bir frekanstaki değişimleri göstermekte ve grupları karşılaştırmakta kullanılırlar. Zaman içindeki değişimleri göstermekte çizgi grafikler daha etkilidir.

Frekans Dağılımı

Bir ya da daha çok değişkene ait değerlerin ya da puanların dağılımına ait özelliklerini betimlemek amacıyla verileri sayı ve yüzde olarak verir. Frekans dağılımı, tablo halinde verilebileceği gibi, uygun  olduğu durumlarda çeşitli grafikler kullanılarak da gösterilebilir. Değişken süreksiz ise bar, daire; sürekli ise histogram seçilebilir.

Değişken sürekli ise verileri betimlemede ek olarak merkezi eğilim (ortalama, ortanca, mod) ve değişkenlik ölçüleri (standart sapma) ile dağılıma ait diğer istatistikler (yüzdelikler, çarpıklık ve basıklık katsayısı, en düşük ve en yüksek değerler bulunabilir.

Pazarlama Bilgisi Analizi ve Üretimi

Farklı bilgi kaynağından elde edilen pazarlama verileri bir veri tabanında saklanır. Bu veriler çoğunlukla pazarlama yöneticileri ne karar vermede yardımcı olacak şekilde veya formda bulunmamaktadır Bunların karar alma sürecinde yararlı olabilmesi için enformasyon / bilgi formuna çevrilmesi gerekmektedir. Bu sebeple, bu safhada veriler çeşitli sınıflandırmalara ve analizlere tabi tutularak anlamlı bilgiler üretilmeye çalışılır.

Veri analizi ve bilgi üretme görevi ise bilgi işlem uzmanlarının yardımıyla gerçekleştirilir. Esasen bu safhada yapılan şey, bilgi işlem uzmanları, pazarlama araştırmacıları ile değişik analistlerin yer aldığı bir grup tarafından veri bankasındaki veriler üzerinde pazarlama bilgi sisteminin elektronik altyapısında bulunan çeşitli pazarlama modelleri ve istatistiksel analizlerin uygulanmasıdır. Hatta bazı işletmeler pazarlama bilgi sisteminin bir parçası olarak pazarlama karar destek sistemlerini de oluşturmaktadır.

Pazarlama karar destek sistemleri pazarlama bilgi sisteminde bulunan veriler ve diğer verilere ulaşma ve veriler üzerinde çeşitli analitik modelleri ve analizleri uygulama ve sonuçlarını anında görme imkânı sağlayan bilgisayar destekli bir sistemdir. Bu modeller ve analizler neticesinde elde edilen verilerle ilgili genel eğilimler ve trendler tespit edilebilmektedir.

Performans yönetim standartları

Performans standartları/hedefleri/kriterleri nicel veya nitel karakterde olabilir. Performans standartları SMART özelliklere sahip olmalıdır. Buradaki SMART özellikler şunlardır.


S-Specific : Hedefler yapılan iş ile ilgili olmalı, önceden uzlaşılmalı, “belirli (somut)” olmalı ve çalışanlar kendilerinden ne beklendiğini bilmelidir.

M-Measurable : Standartlar/hedefler objektif ve “ölçülebilir” olmalıdır. Hedefin başarısının nasıl ölçüleceği belirlenmelidir. Standartlar nicel ise ölçüm daha kolaydır, ancak nitel olduğunda biraz daha dikkat etmek gerekir.

A-Achievable : Standartlar zorlayıcı olmakla birlikte “ulaşılabilir” olmalıdır. Hedefler çalışanın asla başaramayacağı zorlukta olmamalı ve çok kolay başarılabilecek düzeyde de olmamalıdır.

R-Reasonable : Hedefler “gerçekleşebilir” (uygun, makul) olmalıdır.

T-Time-Bound : Hedeflerin gerçekleştirilmesi “zaman sınırlı” (altı aylık veya yıllık) olmalıdır.

İstatistik Araştırmanın Amacı

Rastlantıyı göz önünde tutarak olayları belirleyen genel yasaları, genel eğilimi ortaya çıkarmak, ana nedenleri aramak, olaylar arasındaki ilişkileri bağlantıları bulmak, böylece türlü yönetim, bilim ve teknik dallarında yapılacak kestirimlere, öngörülere, alınacak kararlara, girişilecek eylemlere yardımcı olmaktır.

Günümüzde hükümetler politikalarını förmüle etmek ve aldıkları kararları desteklemek, politikacılarda halkı ikna etmek için istatsitikleri temel almaktadır. Tıbbı araştırmlarda hastaların teşhişinde ve yeni ilaçların yan etkilerinin ortaya kaonulmasında istatiksel teknikler kullanılmaktadır. Ekonomi, işletme ve kamu yönetiminde istatistiğin kullanılması son yarım yüzyıl içinde olaganüstü bir gelişme göstermiştir. İstatiksel yöntem sosyal bilimlerin bütün dallarında hemen hemen tek pratik çalışma aracı durumundadır.

Anket Sorularının Hazırlanması

Olabildiğince teknik terimler ve jargondan kaçının
Çift anlamlı ve yanlış anlaşılabilir kelimelerden uzak durun
Duygusal sözcükler kullanmayın
Belirsiz ifadeleri ayıklayın
Saldırgan ve kırıcı soruları eleyin.
Soruları kısa ve basit tutun.
Çift namlulu(bir soruda iki soru) sorular sormayın
İnsanlarda prestij kaygısına yol açacak sorular sormayın.(örn. yani arabanızın markası nedir? sorusu arabası olmayan insanları yalandan bir araba markası yazmaya yönlendirebilir.)
Hassas konularda dolaylı sorular sorun. Örneğin x konusunda araştırmacılar ne düşünüyor? gibi.
Kapalı uçlu sorularda olası tüm cevapları kapsayın. (özellikle sıklık zarfları konusunda)
Bazı kapalı uçlu soruların yanlış yönlendirme yapmaması için "bilmiyorum" seçeneğini ekleyin.
Yönlendirici sorular sormayın.
Anketi olabildiğince kısa ve öz tutun.
Özendirici teşvikler ve primler kullanmaya çalışın.(bütçenize göre)
Filtre sorular kullanarak gereksiz sorular ile zaman kaybetmeyi engelleyin.
Kolay sorular ile başlayın.
Karışık ankette açık uçlu soruları sona bırakın.
Soru tipi ve uzunluklarında çeşitlilik meydana getirmeye çalışın.
Soruları konulara göre gruplandırarak sorun.
Sorular ve şıklar arasındaki boşlukları geniş tutun.
Kişisel bilgileri anketin sonunda sormak daha kullanışlıdır.
Gereğinden bir dirhem fazla kişisel bilgi sormayın.
Ürettiğiniz anketi bir pilot çalışma ile test edin.Burada yardımcılar, meslektaşlar ve danışmanlarınızın önerilerini alın. Katılımcı grubuna benzer bir plot grupta uygulama ile soruların yapısı hakkında yorumlarını toplayıp değerlendirin.
Anketin katılımcıların hayatları ve ilgileri ile paralel olmasına çalışın.
Dil sorunlarını çözün
Mümkünse katılımcılara bir çeşit çıkar sağlayın. İşbirliği yüksek katılımcılar seçin
Yönergelerin açık, yeterli ve anlaşılır olmasını sağlayın.
Araştırmanın neden ve sonuçları konusunda katılımcıları bilgilendirin.
Etik Kod konusunda katılımcıların güvenini kazanın

Anket

Anket türünün seçimi aşamasında anket verilerinin nerede ve nasıl kullanılacağını düşünmek gerekir. Bu bilgiler anket türü seçimimizi yönlendirecektir. Her türün güçlü ve zayıf yönleri vardır.

Yapılışına göre:
Araştırmacı Denetiminde Yapılan Anket
1. Yönetimi zordur.
2. Maliyeti yüksektir.
3. Zaman gereksinimi fazladır.
4. Güvenilirliği daha yüksektir.

Kendi Başına Doldurulan Anket
1. Yönetimi kolaydır.
2. Maliyeti daha düşüktür.
3. Daha az zaman gerektirir.
4. Güvenilirliği daha düşüktür.

Sorularına göre:
Açık Uçlu Anket
Daha yavaş yönetilir.
Yanıtların kaydedilmesi daha zordur.
Kodlanması çok daha zordur.
Bazı sorular cevapsız kalabilir(örn. katılımcılar uzun uzun bir cevap yazmaktan üşenebilir).
Yeni konuların ortaya atılmasına uygundur.
Katılımcılar kendilerini daha rahat hissederler.
Analizi çok daha zordur.
Kapalı uçlu bir anketten önce anket sorularını belirlemek üzere yapılabilir.

Kapalı Uçlu Anket
Yönetilmesi çok hızlı olur.
Cevapları kaydetmek daha kolay ve hızlıdır.
Kodlanması çok daha kolaydır.
Katılımcıların verebilecekleri cevaplar kısıtlanır.
Yeni fikirler ve konuların üretilmesine açık değildir.
Tüm soruların cevaplanması olasılığı daha yüksektir.
Sonuna açık uçlu sorular eklenerek zayıf yönleri giderilebilir.

SPSS

Merkezi Chicago’da bulunan SPSS 1967 yılından bu yana verideki gizli bilgileri keşfetme ve stratejik karar desteği sağlama yönünde ileri analitik çözümler sunmaktadır. Dünya çapında 40'ın üzerinde ana ofisi bulunan SPSS'in Veri Madenciliği Çözümleri 2000-2003 yıllarında KDNuggets tarafından yapılan anketlerde en fazla tercih edilen veri madenciliği çözümü seçilmiş, SPSS'in Veri Madenciliği Metodolojisi olarak kabul ettiği CRISP DM (Cross Industry Standart Processing for Data Mining) metodolojisinin, açık bir metodoloji olarak %50 nin üzerinde bir kullanıma sahip olduğu belirlenmiştir.

SPSS telekomünikasyon, bankacılık, sigorta, finans, perakende sektörü, pazar araştırma şirketleri, kamu gibi çeşitli sektörlere ait pazarlama, müşteri verileri, işletmeye ait operasyonel veriler, üretim verileri gibi çeşitli verilerin bilgiye dönüştürümü, prediktif analizler, zamana bağlı tahminler ve karar desteği sağlama konusunda çok sayıda analitik teknik sunmaktadır. SPSS ile kuruluşlar rakipleri karşısında üstünlük sağlayabilmeleri için önemli faktörleri belirleyebilir, işletmenin başarı ve başarısızlık etkenlerini derinlemesine inceleme, etkin müşteri ilişkileri yönetimi, daha iyi pazarlama stratejileri geliştirmelerini ve pazarlama harcamalarını minimuma indirmelerini sağlayacak stratejik bilgilere hızlı ve kolay bir şekilde ulaşabilir, risk yönetimi, yeni hizmet ve servis geliştirme konularında karar desteği sağlayabilirler. SPSS sunduğu kullanım kolaylıkları sayesinde kullanıcı kuruluşlarda "iş kullanıcıları" tarafından rahatlıkla kullanılmakta, IT birimlerinin yoğun desteğine ihtiyaç duymamakta ve IT birimlerinin işini arttırıcı bir yazılım olmamaktadır. SPSS ile tahminsel modellemeler otomatik olarak yapılabilmektedir. SPSS ile geliştirilen ileri modeller, kullanıcıların otomatik kullanımına sunulabilmektedir.

Performans yönetim sistemi

Performans yönetim sistemi, insan kaynakları yönetiminin stratejik bir birim olarak yer 

almasının öngörülmesiyle geliştirilmiştir. Bu sistem, çalışanların potansiyellerini açığa çıkaracak 

şekilde motive edilerek, onlardan daha etkin sonuçlar alınmasını sağlayan sistematik bir yönetim 

yaklaşımıdır. Performans yönetimi sürecinde; öncelikle organizasyonun (şirketin), bölümlerin 

(takımların) ve bireylerin (çalışanların) dönem başındaki hedefleri üzerinde anlaşılır. Böylece, 

çalışanlar ile yöneticiler karşılıklı olarak hem iş sonuçlarının hem de iş ilişkilerinin geliştirilmesi 

yönünde çaba harcarlar. Dönem sonunda ise hedeflenenler ile gerçekleşenler değerlendirilir ve 

sapmalar veya iyileştirmeler ortaya konmuş olur. 

Buradan hareketle; genel anlamda performans değerlendirmesi, çalışanların yetkinliklerinin iş

ve görevlerinin niteliklerine ve gereklerine ne ölçüde uyduğunu ortaya koyan ve çalışanlardan 

(takımlardan veya organizasyondan) beklenen standartlar (hedefler) ile onların ulaştıkları

sonuçların/başarılarının karşılaştırılması olarak nitelendirilebilir. O halde, performans değerlendirmesi 

sadece çalışanların bireysel olarak değerlendirilmesi değil, onların bağlı oldukları takımlarının veya 

organizasyonun performansının da entegre edilerek değerlendirilmesidir. 

Hipotez

Populasyonlar hakkında bilgi edinmenin  bir yolu örneklemedir. Uygun bir şekilde seçilen şans örnekleri yardımıyla populasyonun gösterdiği dağılışa ait parametreler tahmin edilir. Belirli varsayımlara dayanarak örneklerden elde edilen bu tahminler yardımıyla belli bir risk karşılığında populasyonlarveya bunların gösterdiği dağılışlar hakkında çeşitli kararlar verilir. Bu kararlar verilirken ya bir tahmin yapılır yada konu ile ilgili belirli bir varsayımda bulunulur. Gerçekleşsin veya gerçekleşmesin ileri sürülen bu tip varsayımlara HİPOTEZ denir.

Sıfır hipotezi ve alternatif hipotez olmak üzere iki tip hipotez mevcuttur. Parametrelere belli değerler vererek kurulan hipotezlere H0(Null, Sıfır) hipotezi denir. H0 hipotezi tek değerli bir hipotezdir. H0’ın dışında kalan hipotezler ise Alternatif hipotez olarak adlandırılır ve H1 ile gösterilir.

Bilgisayar ile istatistiksel araştırma

20. yüzyılın ikinci yarısında bilgisayarların hesaplama gücü ve hızının inanılamayacak bir şekilde artması ve bilgisayar kullanımı yaygın bir hale gelmesi istatistik biliminin pratik uygulaması ve hatta teorik gelişmesi üzerine çok büyük etki yapmıştır. Pratik istatistik hesaplamanın çok zor olması dolayısıyla veri analizi devamlı olarak hesaplamanın kolaylaştırılması üzerine odaklanıp daha çok doğrusal modellere dayanmıştır. Çok yaygın kullanılan ve çok güçlü bilgisayarların kullanılmaya başlanılması ve sayısal algoritmaların geliştirilip bilgisayar yazılımları geliştirilmesi ile yeni doğrusal olmayan modeller (örneğin doğrusal olmayan regreyon, genelleştirilmiş doğrusal modeller, çok-seviyeli model gibi) pratikte kullanılmaya başlanmıştır.

Bilgisayar devrimi tekrar örnekleme yöntemi, özyükleme yöntemleri, Gibbs örneklemesi, permütasyon testleri gibi çok bilgisayara dayanan teknikler kullanılmaya başlamıştır. Diğer taraftan istatistik gibi temeli ileri matematiğe bağlı olmayan ve büyük bilgisayar gücüne dayanan (yapay sinir ağları veya veri madenciliği gibi) araştırma ve pratik veri inceleme yöntemleri gelişmiştir.

İstatistik biliminin geleceği 20. yüzyıl başındaki teorik gelişmelerden sonra, daha empirik ve pratik bir yaklaşım haline gelmektedir. Bu yaklaşımda genel hesaplama yazılım ve paketlere istatistik yöntemlerinin eklenmeleri (örneğin kutuzzilim programlarının istatistiksel bölümleri) ve özel şekil de hazırlanmış istatistiksel paketlerinin yaygın şekilde kullanılabilmesi büyük bir rol oynayacağı şüphesizdir.

İstatistiksel veri analiz hizmetleri

Uzman ve deneyimli istatistikçilerden oluşan kadromuz ile veri analizi konusunda ödev, tez ve araştırmalarınız için destek hizmetleri sağlayabiliriz. SPSS ve diğer istatistik paket programlarında istatistiksel analizler, özenle, eksiksiz ve çalışma amacınıza uygun olarak ihtiyaçlarınıza uygun bir zaman içerisinde tez yazım kurallarına göre yapılır, tablolaştırılır, yorumlanır ve raporlanır. Anketlerinize veya araştırma verilerinize ilişkin SPSS ve diğer istatistik paket programlarına veri girişi yapılır. Anket sorularınız araştırma konusu amacına en uygun biçimde hazırlanır, tasarlanır.

2008 yılından itibaren istatistiksel veri analizi üzerine özelikle tıp, sosyal araştırma, ekonometri gibi bir çok alanda çalışmalar gerçekleştirdik. Kadromuzun, Türkiye'nin önde gelen sigorta ve finans sektörü kuruluşlarında istatistiksel veri analizi, raporlama, strateji ve planlama alanlarında çalışmış  kişilerden oluşmaktadır. Deneyimlerimiz sayesinde elde ettiğimiz bilgi birikimi doğrultusunda içerik yönünden eksiksiz, görsel kalitesi yüksek, bilimsel olarak tutarlı çalışmalar ile istatistik paket programlarında anket tasarımı, veri girişi, veri analizi, yorumlaması, raporlaması ve sunulması konularında, araştırmacılara destek vermekteyiz. Bunun yanı sıra tez ve makalelere ilişkin teori (literatür) kısmının oluşturulması, kaynak desteği, analiz raporlarının tercihe göre İngilizce olarak hazırlanması gibi alanlarda yardımcı olabiliriz.

Tüm hizmetlerimizde çalışmalarınız kabul edilene kadar desteğimiz sürmektedir. Değerlendirme aşamasında talep edilecek düzenlemeler ve eklemeler ekstra bir ücret talep edilmeksizin en fazla iletildikten 2 iş günü sonra tamamlanmaktadır.

Her tür konuya ilişkin çalışmalarınızın istatistiksel analizi için TÜRKİYE’NİN HER YERİNDEN bizimle telefon veya e-posta aracılığıyla irtibata geçebilirsiniz.

İletişim bilgileri: 
Tel: 0530 820 01 53
kagan.ergin@istatistiqsel.com
www.istatistiqsel.com

Analitik verilerin değerlendirilmesi

Doğruluk (Accuracy); veri analiz sonucunun gerçek değere ne kadar yakın olduğunun, duyarlılık
(Precision) ise yapılan ölçümlerin birbirine ne ölçüde yakın olduğunun ifadesidir.


Bir ölçümde, duyarlılığın çok iyi olması onun doğruluğunun da çok iyi olduğunu göstermez, ancak gerçeğe yakınlığı konusunda bir fikir verebilir.Doğruluk, ölçümlerin aritmetik ortalamasının gerçek değere yakınlığı
olarak tanımlanır ve hata olarak ifade edilir. Duyarlılık ise ölçümlerin birbirine yakınlığıolarak tanımlanır ve sapma olarak ifade edilir.

Karar Destek Sistemi Nedir?

İnsanların karar vermelerinde yardımcı olan bilgisayar tabanlı bilgisistemlere Karar Destek Sistemi denir.Verileri ve modellerin etkin kullanımını   sağlayarak  karmaşık problemlerin çözümüne katkıda bulunurlar.Karar Destek Sistemleri, karar işlemlerini yapısallaştırılmasını, tekrarlanan kararların otomasyonunu, organizasyonel planlama ve kontrol sağlar .

Karar Destek Sistem Türleri; 
Veri besleme sistemleri:
Önceki verileri veya anlık raporları analiz etmede kullanılır.
* Dosya Çekme Sistemleri
* Veri Analiz Sistemleri
* Bilgi Yürütme Sistemleri

Tahmin sistemleri:
Durum alternatif gelecek zamanlara taşınarak ilerisi görülür
* Tanımsal Sistemler
* Nedensel Sistemler
* Olasılık Sistemleri

Tercih belirleme sistemleri:
Alternatifler ve önceki kararlar arasında seçim yapmaya sağlar
* Karar ağacı sistemleri
* Çok özellikli  karar sistemleri

Senaryo geliştirme sistemleri:
Analizden ayrı olarak karar vermede yaratıcı görevler üstlenir.
* Kavramaya ait planlama sistemleri
* Fikir üretme sistemleri
* Grup karar destek sistemleri

Varyans Analizi

Varyans analizi iki yada daha fazla ortalama arasında fark olup olmadığı ile ilgili hipotezi test etmek için kullanılır. Varyans analizinde bağımlı ve bağımsız değişkenlerden bahsedilir.Bağımsız değişkenlerin bağımlı değişken üzerindeki etkisi araştırılır.Bağımlı ve bağımsız değişkenin durumuna göre varyans analizinin türü değişmektedir. Varyans analizinin temel koşulları her gruptaki deneklerin normal dağılım göstermesi, varyansların eşit olması ve varyansların ortalamadan bağımsız olmasıdır. Aşağıdaki tabloda değişken sayılarına göre varyans analizlerinin türü özetlenmiştir.

İkiden fazla ana kütle aritmetik ortalamasının karşılaştırılması ile ilgili testte izlenecek süreç ANOVA tablosu ile özetlenebilir. Buna göre F test istatistiği varyans analizi yardımıyla kullanılır. Farklı ana kütlelerden seçilen örnek aritmetik ortalamaları arasındaki farkların karelerinin ortalaması, her bir örneğin kendi içindeki farkların karelerinin ortalamasına bölünür. F test istatistiği belirlendikten sonra sonuca varılır.

Birden fazla bağımsız değişken olduğunda, uygulanan analizin genel adı çok boyutlu (multivariate) varyans analizi (MANOVA)’ dır. Bu yöntemin en önemli avantajı etkileşimin test edilebilmesidir. Verilerin normalden çok uzak olması durumunda, bağımsız gruplarda iki yönlü ANOVA modeli yerine, birden fazla yapılan Bonferroni düzeltmeli Mann-Whitney testleri kullanılabilir.

Tek Yönlü Varyans Analizi
Tek yönlü varyans analizi, tek bir bağımsız değişkenin düzeyleri, grupları ya da kategorilerinin istatistiksel analizidir. İlişkisiz ya da bağımsız iki veya daha fazla örneklem grubuna ait ortalamalar arası farkın anlamlı olup olmadığını test etmek üzere kullanılan bir parametrik bir tekniktir. Örneğin, üç farklı öğrenme stilinin (sadece bir bağımsız değişken söz konusudur) öğrencilerin kritik düşünme davranışları (bağımlı değişken) üzerindeki etkisinin incelendiği bir çalışmada, üç gruba ait kritik dü­şünme puanlarına ait ortalamalar arası farkın anlamlığı tek yönlü ANOVA ile test edilir. Bu test bağımlı değişkenin en az aralıklı ölçek düzeyinde ölçümünü ve puanların faktörün her bir düzeyinde normal dağılmasını gerektirir. Ayrıca her örneklem grubu için varyansların eşitliği varsayımına da bakılır.

İki Yönlü Varyans Analizi
İki yönlü varyans analizi, belli bir bağımlı değişken üzerinde, birden fazla bağımsız değişkenin ortak etkisini ölçmek için kullanılır. Bağımsız örneklemler için iki-faktörlü varyans analizi ile bağımsız değişkenlerin bağımlı değişken üzerindeki ortak etkileri belirlenirken, aynı zamanda ayrı ayrı her iki değişkene ilişkin grupların bağımlı değişkene göre ortalamalarının karşılaştırılarak ortalamalar arasındaki farkın belirli bir güven düzeyinde (%95, %99 gibi) anlamlı olup olmadığı test edilir. İki faktörlü varyans analizinde temel amaç, bağımsız değişkenlerin bağımlı değişken üzerindeki ortak etkisini ölçmektir

Çok Faktörlü Varyans Analizi
Çok-faktörlü varyans analizinde, bir yada daha fazla bağımsız değişkene ait grupların, iki yada daha fazla bağımlı değişkene ilişkin ortalamaları karşılaştırılır ve ortalamalar arasındaki farkın belirli bir güven düzeyinde (%95, %99 gibi) anlamlı  olup olmadığı test edilir. Bu test ile her bir bağımsız değişkene ait gruplar kendi arasında, her bir bağımlı değişkene ilişkin ölçümlere göre ayrı ayrı karşılaştırılır. Çok faktörlü varyans analizine MANOVA (Multivariate ANOVA) testi de denilmektedir.Çok faktörlü varyans analizi yapılırken aşağıdaki durumlar incelenmelidir:

Gruplardaki bireyler birbirine benzer ve homojen olmalıdır.
Gruplar birbirinden bağımsız olmalıdır. Bağımlı gruba uygulanmaz.
Veriler ölçümle belirlenmiş sürekli karakter olmalıdır.
Gruplardaki denek sayısı(n) en az 20 olmalıdır.
Gruptaki denek sayıları birbirine eşit veya yakın olmalıdır.

Kovaryans Analizi

Kovaryans analizi,varyans analizinin bir koludur. Kovaryans analizi, varsayımlarının sağlanması durumda güçlü ve yararlı bir analizdir. Hata varyansını en aza indirger.Böylece modelin gücü artış gösterir. Gruplar arasındaki regresyonları eşitlemektedir. Ayrıca kovaryans analizi küçük örneklemlere ya da küçük etki  büyüklüğü olduğu durumlarda daha yararlı olmaktadır.

Kovaryans analizi sırasında,grup oralamaları arasın daki fark ölçülürken regresyon analizi ve varyans analizi birlikte kullanılır.Yani kovaryans analizi,varyans analizi iler regresyon analizinden oluşmaktadır.Öncelikle regresyon uygulanır. Böylece, bağımlı değişken ile kodeğişken(covariate -ortak değişken)arasındaki diğer farklılıklar gözönüne alınarak grup farklılıkları ortaya konulmaktadır.Kovaryans analizinde  bağımlı ve bağımsız değişkenlere ek olarak “ortaya giren” bir ya da daha fazla değişkenkere “kodeğişken” denir. Kısacası kovaryans analizinde sadece bir bağımlı değişken bulunurken Bir den fazla bağımsız değişken ve kodeğişken bulunmaktadır.

Kovaryans analizinin varyans analizinden farkı bağımlı değişken ve bağımsız değişkenler değişkenlere ek olarak kodeğişkenin modele dahil edilmesidir.

 Kovaryans Analizi | Bağımlı Değişken
Bağımlı değişken, aralıklı veya oransal olmaktadır.Yine bağımlı değişkeni dağılımı normal veya normale yakın olmaktadır.

 Kovaryans Analizi | Kodeğişken
Kodeğişken aralıklı ya da oransal veri biçimindedir. Nominal değişkenler kodeğişken olarak kullanlmamaktadır.Ayrıca kodeğişkenler çok dikkatli seçilmektedir.Öncelikle konuya ilişkin teorinin iyi anlaşıldığından ve o kodeğişkenin modele dahil edilmesi gerekip gerekmediğinden emin olunmalıdır.Kodeğişkenler hatasız bir  şekilde ölçülmüş olmalıdır.

Analizde birden fazla kodeğişken kullanılacaksa seçilen değişkenler arasında güçlü bir korelasyon olmaması gerekmektedir.Eğer yüksek derecede bir korelasyon içeriyorsa kodeğişkenlerden biri çıkartılmatadır.Kodeğişken ve bağımlı değişken doğrusal bir ilişki içindedir.Kodeğişken ve bağımlı değişken arasında doğrusal bir ilişki yoksa analizden istenen verim alınamamaktadır. Bir başka deyişle bu varsayımın terk edildiğinde,testin gücünü azaltmaktadır. Çünkü böyle bir durumda hata varyansı çok az azaltılmatadır. Bu test, kodeğişken ve bağımlı değişken arasında korelasyonun yüksek olduğu durumlarda etkili olmaktadır.

Kodeğişken ve bağımlı değişken arasındaki ilişkinin yönü ve gücü her grupta benzer olmaktadır.Bu durum “gruplarda regresyonun homojenliği” olarak ifade edilmektedir.Bir beşke deyişle kod değişken ile bağımlı değişken arasındaki ilişki üzerinde bağımsız değişkenin etkisi bulumamalıdır.Yani kodeğişken gruplardaki bağımlı değişken üzerinde aynı etkide olmalıdır. (kovaryans analizi)

Korelasyon Analizi

Korelasyon analizi yapmanın amacı; iki değişken arasındaki lineer ilişkinin veya bir değişkenin iki ve daha çok değişken ile lineer ilişkisinin derecesini ölçmektir. Korelasyon analizinde değişkenlerin arasındaki lineer ilişki değil, var olan lineer ilişkinin gücü araştırılmaktadır. Yani bağımsız değişken (X) değiştikçe, bağımlı değişkenin (Y) ne yönde ve ölçüde değişeceği gözlemlenmektedir.

Korelasyon Analizi | Pearson Korelasyon Katsayısı
Korelasyon analizi yapabilmek için her iki değişkenin de normal dağılım göstermesi gerekmektedir. Normal dağılım gösteren X ve Y değişkenlerinin arasındaki lineer ilişkinin ölçüsünü bulabilmek için Pearson Korelasyon Katsayısı kullanılır. Böylece iki değişken arasında anlamlı bir ilişki var mıdır sorusuna yanıt verilmiş olunur. Unutulmamalıdır ki, pearson korelasyon katsayısı yalnızca doğrusal ilişki olduğunda kullanılır. Doğrusal ilişkinin varlığını kontrol edebilmek için serpilme grafiği yapmak uygundur.

Pearson korelasyon katsayısı r ile gösterilir ve -1 ile +1 arasında değerler alır.

r=-1 ise tam negatif doğrusal ilişki vardır. Yani bir değişken artarken diğeri azalır ve ilişki güçlüdür.
r=1 ise tam pozitif doğrusal ilişki vardır. Yani bir değişken artarken veya azalırken diğeri de artar ve azalır. İlişki güçlüdür.
r=0 ise ilişki oldukça zayıftır.
Korelasyon Analizi | Kısmi Korelasyon Katsayısı
Değişkenler arasındaki ilişkinin ölçüsü hesaplatılmak istenirken, bazı değişkenlerin etkisi kontrol altına alınıp, diğer iki değişken arasındaki ilişkinin ölçüsü hesaplatılmak istenebilir. Bu yönteme kısmi korelasyon denilmektedir ve üçüncü değişkenin kontrol altına alınıp, diğer iki değişkenin ilişkisinin gücüne bakılabilir. Bu yöntemle iki değişken arasındaki ilişkinin tam olarak açıklanması amaçlanmaktadır. Kısmi korelasyon katsayısını kullanabilmemiz için Pearson Korelasyon Katsayısında olduğu gibi değişkenler sürekli ve normal dağılıma sahip olmalıdır. Kısmi korelasyon katsayısı da -1 ile +1 arasında değişen değerler almaktadır ve bu yöntem büyük ölçüde değişkenler arasındaki gizli ilişkilerin ortaya çıkması için de kullanılır.

Korelasyon analizinde ilişkinin gücünü ölçmek için başka ölçütler ve yöntemler de kullanılmaktadır. Bunlar; Spearman sıra korelasyonu , Kendall’s Tau, phi, olağanlık katsayısı ve eta’dır.

PHI: evet-hayır gibi ikili sonuca sahip olan 2 değişken arasındaki lineer ilişkiyi ölçmek için kullanılır.(Korelasyon analizi)

SPEARMAN SIRA KORELASYONU: Değişkenlerin dağılımının normal dağılımdan uzak olduğu durumlarda kullanılır. Pearson’ın sıralı verilerle kullanılmak üzere hazırlanmış parametrik olmayan versiyonudur.

OLAĞANLIK KATSAYISI: İki kategorik değişkenin arasındaki ilişkinin gücünü ölçmek için kullanılır.(Korelasyon analizi)

ETA: Lineer olmayan ilişkiyi ölçmek için 0 ve +1 arasında değerler alan bir yöntemdir. Her türlü değişken için kullanılabilir.(Korelasyon analizi)

KENDALL’S TAU: Sıralı verilerle kullanılan ilişkinin gücünü ölçmeye yönelik bir yöntemdir.(Korelasyon analizi)

Faktör Analizi

Birbirleriyle orta düzeyde ya da oldukça ilişkili değişkenleri birleştirerek az sayıda ancak bağımsız değişkenler elde etmede kullanılan çok değişkenli analiz tekniklerinden biridir. İlk olarak 20.yüzyılın başlarında Spearman tarafından geliştirilen faktör analizinin yaygın kullanımı, bilgisayar teknolojisinde 1970’li yıllarda yaşanan hızlı gelişme ile mümkün olabilmiştir. Faktör analizinin uygulanma alanları çok geniştir. Genellikle psikometrik testler, sosyal bilimler, pazarlama, ürün yönetimi ve yöneylem araştırması gibi alanlarda yaygın olarak kullanılmaktadır.

Faktör analizi, analizin amacı dikkate alındığında keşfedici (exploratory), ve doğrulayıcı (confirmatory) olmak üzere iki temel yönteme ayrılmaktadır.

Araştırmacının ölçtüğü faktörlerin sayısı hakkında bir bilgisinin olmadığı, belli bir hipotezi sınamak yerine, değişkenlerden hareketle faktör bulmaya ve bu faktörlerin yapısı  hakkında bir bilgi edinmeye çalıştığı inceleme türlerine keşfedici faktör analizi (exploratrory factor analysis) denir.

Araştırmacının kuramı doğrultusunda geliştirdiği bir hipotezi test etmeye yönelik incelemelerde kullanılan analiz türü doğrulayıcı faktör analizi (confirmatory factor analysis) olarak tanımlanır.

Faktör Analizi ‘nin aşamaları

Problem tanımı  ve veri toplama:

Bu aşamada faktör analizinin kullanım amacı, analizde kullanılacak değişkenlerin teori, literatürde bulunan araştırmalar, araştırmacının tecrübesi ve bilgisi doğrultusunda belirlenmesi ve uygun ölçüm araçlarıyla veri toplanması gerekmektedir.

Korelasyon matrisinin oluşturulması:

İkinci aşamada analizde yer alan değişkenlerin ilişkiyi ifade eden korelasyon matrisi oluşturulur.

Faktör sayısına karar verme:

Korelasyon matrisi temel alınarak uygun bir faktörleştirme tekniği seçilir ve çözüme başlanır.

Faktör eksen döndürme:

Faktor matrisine ulaşıldıktan sonra, faktörleri temsil eden eksenlerde kaydırmalar vb çeşitli işlemler yardımıyla faktörler yorumlanır.

Faktör analizinin matematiksel temeli karmaşıktır. Dolayısıyla iyi bir faktör analizi için değişkenler sınırlandırılmalı ve birbiriyle ilişkili, veri setini en iyi şekilde temsil edecek şekilde düzenlenmelidir. En önemlisi ise ulaşılan sonuçlar istatistiksel olarak anlamlı olmalıdır. İstatistiksel olarak anlamlılık bir araya getirilen değişkenlerin gerçekten bir araya getirilip getirilmeyeceği, araştırmanın sonucu mantıksal süzgeçten geçirilmedir. Ayrıca kullanılan verilerin yapısı ve bu analize uygun olup olmadığı da yapılan araştırmanın istatistiksel olarak anlamlı olabilmesi için önemlidir.

www.istatistiqsel.com

Tıpta uzmanlık için hazırlanan tez çalışmalarında hekimlerin ihtiyaç duyduğu tüm istatistik çalışmaların yönelik uzman ve profesyonel yardım için bizimle iletişime geçebilirsiniz. Çalısmalarınız word ve excel formatlarında, anlaşılır ve düzenli grafikler ile araştırma konusuna ilişkin akademik yorumlar ile hazırlanmaktadır.

Medikal istatistik çalışmalarının değerlendirilmesi

TIBBİ YAYINLARIN EPİDEMİYOLOJİK ve İSTATİSTİKSEL ANALİZİNDEKİ SORUNLAR ve YAPICI ELEŞTİRİ YAKLAŞIMININ YAYIN ve DERGİ KALİTESİ ÜZERİNE ETKİSİ *

• Tıpta alanında yapılan araştırmaların epidemiyolojik yöntemlere göre dağılımı, araştırmalarda en çok kesitsel (% 82,0) ve vaka-kontrol (%41,0) yöntemlerinin kullanıldığı saptanmıştır.

• En çok eksikliği saptanan durum hastalardan bilgilendirilmiş onay alındığına dair bilgi bulunmamasıdır. Daha az sıklıkla etik kurul onay bilgisi olmaması, hipotezin sınanamaması, grafikler ve kontrol grubunun seçilmesiyle ilgili sorunlar gelmektedir.

• Çalışmalarda % 22,1 oranında randomizasyon gerekli iken, ilk değerlendirme verilerine göre sadece % 6,3 olguda randomizasyon yapıldığı belirtilmiştir (P:0.000).

• Çalışmalarda % 23,9 oranında verilen literatür bilgisinin güncellenme ya da yeni tarihli kaynak eklenme ihtiyacı saptanmıştır.

• İlk değerlendirme sonucu ve yapıcı eleştiri sonucunda düzeltilen yazının tablo değerlendirme sonuçları birlikte verilmektedir. Araştırmalarda görülen en büyük eksiklik, özellikle araştırma hipotezini açıklayacak tabloların yazılamaması (% 73,4), istatistiksel testlerin doğru seçilememesi ve istatistiksel değerlendirmelerin doğru biçimde yapılamamasıdır (% 75,2).

• Yapıcı eleştiriler ile son değerlendirmede bu eksiklikler büyük oranda ve istatistiksel olarak anlamlı derecede azaltılmış, tablolar, istatistiksel test ve değerlendirmeler için düşünülen eksiklik oranları % 29,3’e düşürülmüştür. İstenen düzeltmelerin ve değişikliklerin yapılmadığı çalışmalar çok büyük oranda reddedilmiştir. 

* Dr. DEMİRBAĞ Ali E.,Medikal Onkoloji Bilim Uzmanı, Türk Tıp Dizini, s. 171 vd.


www.istatistiqsel.com/#!veri-analizi

Tez çalışmalarında hipotez kurma

Tez konusu seçilip, sınırları belirlendikten sonra bir hipotez kurulmalıdır. Hipotez; okuma sırasında hangi bilgilerin alınıp, hangilerinin dışarıda bırakılacağı belirleyecektir. Hipotez; ilk okumada edinilen bilgiler ve yapılan akıl yürütmeler sonucunda olası veya doğru kabul edilen ve henüz kanıtlanmamış bir öneridir.

Bu öneri araştırmanın hipotezini ifade eder. Henüz doğruluğu sınanmamış bir öneri olan hipotez, basit ve açık bir ifadeyle, ya bir düz cümle, ya da soru cümlesi şeklinde olabilir. Bundan sonra bütünüyle hipotezin test edilmesine yönelinir. Eğer toplanan ve işlenen veriler hipotezi doğrulamakta ise, araştırmanın temel önerisi doğrulanmış olur. Ancak araştırma sonuçlarının hipoteze ters düşmesi de araştırmanın bilimsel olmadığı anlamına gelmez. Çünkü bu alanda böyle bir hipotezin doğru olmadığı ispatlanarak, daha sonra konuyu yeniden inceleyecek olanlara yol gösterilmiş olacaktır.

Hipotezleri şu şekilde örneklendirebiliriz;

KONU: İşletmelerde iş görenlerin verimliliğinin arttırılması

1. Düz Cümle Hipotez (İşletmede iş görenlerin verimliliğini arttırmak için iyi bir ödüllendirme sistemi kurulmalıdır.).

2. Soru Cümlesi Hipotez (İyi bir ödüllendirme sistemi işletmede iş görenlerin verimini arttırır mı?).

Verilerin Toplanması Ve İstatistiksel Analiz

• İyi bir anket/araştırma formu iyi veri toplanmasının garantisidir.
• Veri toplama
• Düzenli ve gelişmiş bir veri formu hazırlanması
• Soruların açık uçlu ve yansız olması
• Cevap oranlarının arttırılması
• Gözlemciler arası (inter-observer) ve gözlemci içi (intra-observer) güvenilirlik (reliability) analizi
• Geçerlilik (validity) analizi
• Standart referanslar ile teşhis ve prosedürlerin kodlanması (ör: ICD).
• Denek büyüklüğü ve güç (sample size ve power) hesaplamaları
• Randomizasyon/Körleme/Gizlilik
• Hedef (end point/outcome) ölçümü
• Analiz birimlerinin seçilmesi
• Karıştırıcı (confounding) faktörlerin kestirimi, ve buna göre ayarlamalar
• Değişkenlerin sınıflaması, bağımsız ve bağımlı değişkenlerin tanımı
• Değişkenlerin mümkün olduğunca ölçülebilir olmasının sağlanması
• Verinin tipine göre (numerik, nominal, ordinal) uygun istatistik yöntemler

Tıp uzmanlık tezleri

Tıp alanında ihtiyaç duyulan araştırmaların ve uzmanlık tezlerinin istatistiksel analizleri konusunda uzman kadromuz ile hizmet vermekteyiz. Finans sektöründe görev yapan Yıldız Teknik Üniversitesi İstatistik bölümü mezunu yöneticimizin gözleminde bugüne kadar 100’ün üzerinde tıp çalışmasının analizlerini gerçekleştirdik. Çalışmaları, Çapa Tıp Fakültesi Çocuk Bölümü, Çapa Tıp Fakültesi Göz Bölümü, Şişli Etfal Hastanesi, Bakırköy Ruh ve Sinir Hastalıkları Hastanesi, Medipol Hastanesi Diş Bölümü, Göztepe Hastanesi, Hacettepe Üniversitesi Tıp Fakültesi, Ankara Üniversitesi Hastanesi, Celal Bayar Üniversitesi Tıp Fakültesi kurumlarında görev yapan hekimler için gerçekleştirdik.

http://www.istatistiqsel.com/

Tıp ve istatistik

İstatistik, betimleyici sözcüklerin matematiksel ifadesidir. Medikal istatistiğin, bilimsel literatürün yaklaşık yarısında en az bir istatistiksel hatanın saptanması, temel istatistiğin yeterince bilinmediği ve kavramların yanlış kullanıldığının kanıtıdır. Ayrıca günümüzde de hataların aynı oranda devam etmesi, ülkemizde de benzer sonuçlarla karşılaşılması, durumda hala kayda değer bir iyileşmeden söz edilemeyeceğini göstermektedir. Kötü yürütülmüş olan bir tedavi araştırması, çalışmadan vazgeçilmesi ile kıyaslandığında, her bakımdan daha zararlı sonuçlara götürür.

İstatistiğin yanlış kullanılması, medikal istatistiğin etik kurallarının ihlalidir, kaynak ve hasta açısından israf yanında, yanlış sonuçların yayınlanması gelecekte başka araştırmacıların bu konuda gereksiz gayretlerine neden olur. Tıp alanında kullanılan pek çok girişimin endikasyonları olduğu gibi,  medikal istatistikte de anlamlılık testlerinin kullanılma ve ortaya çıkacak P değerlerinin de yorumlanma endikasyonları vardır.

1974 yılında “British Medical Journal”, “Canadian Medical Association Journal”, “Lancet”, “Journal of the American Medical Association” ve “New England Journal of Medicine” dergilerinde yayınlanan 404 makalede 757 istatistiksel yöntemin kullanıldığı, bunların % 51’inin anlamlılık testleri olduğu saptanmıştır. Tıp dergilerinde  medikal istatistik  standartının yükseltilmesi için pozitif aksiyona ihtiyaç vardır. İstatistiksel hataların önlenmesi için çeşitli çalışmalar yapılmış, bilimsel çalışmalarda kullanılacak istatistiğin seçilmesi  ve yayınlarda rapor edilmesi konusunda  çeşitli tablolar, yönergeler hazırlanmıştır ve her bir derginin yazım kuralları bölümünde belirtilmektedir.   

Veri Analizi *

Veri analizi sürecinde istatistiksel yöntem ve tekniklerin uygulanması, bilgisayarın hayatımızda
olmadığı ya da bu yöntem ve tekniklerin kullanımına yönelik yazılımların üretilmediği dönemlerde,
özellikle sosyal bilimciler için teorik istatistik  bilgisi gerektiren bir aşama olup bir hayli zaman
almaktaydı.

Günümüzde bilgisayar kullanımının yaygınlaşmasıyla, her alanda olduğu gibi bu alanda da paket
programların piyasaya sürülmesi veri analizi sürecini oldukça kolaylaştırmaktadır. Gün geçtikçe
üretici firmaların rekabetçi bir anlayışla bu alandaki programları geliştirip daha yeni sürümlerle ve
daha profesyonel yazılımlarla karşımıza çıkması, araştırmacıların üzerinden büyük bir yük almakta ve
kısa bir süre içerisinde istenilen istatistiksel analizlerin yapılmasına olanak sağlamaktadır.
Peki veri nedir? Veri, nesneler ve nesnelerin niteliklerinden oluşan bir kümedir. Örnek olarak kayıt
(record), varlık (entity), örnek (sample, instance), nesne için kullanılabilir. Nitelik (attribute) bir
nesnenin bir özelliğidir. Örnek olarak boyut (dimension), özellik (feature, characteristic) olarak da
kullanılırç Nitelikler ve niteliklere ait değerler bir nesneyi oluşturur. Uygulamalarda toplanan veri
yetersiz, tutarsız ya da gürültülü olabilir.

Peki veri nedir? Veri, nesneler ve nesnelerin niteliklerinden oluşan bir kümedir. Örnek olarak kayıt
(record), varlık (entity), örnek (sample, instance), nesne için kullanılabilir. Nitelik (attribute) bir
nesnenin bir özelliğidir. Örnek olarak boyut (dimension), özellik (feature, characteristic) olarak da
kullanılırç Nitelikler ve niteliklere ait değerler bir nesneyi oluşturur. Uygulamalarda toplanan veri
yetersiz, tutarsız ya da gürültülü olabilir.

Günümüzde verilerin büyük hacimlere ulaşması ve bunun daha kısa süreler içinde katlanarak artması ve karmaşıklaşması, çalışmalarımızda daha kapsamlı ancak kolay kullanılabilen ve yenilenen teknolojilerle uyumlu yazılımlara duyulan gereksinimi de artırmaktadır. Daha büyük veri kaynaklarından hemen her

formatta veri okuyabilen, en gelişmiş veri analizi tekniklerini barındıran, hızlı ve doğru analizlerle
ayrıntılı ve çok çeşitli grafikler ve raporlar üretebilen yazılımların  istediğimiz sonuçlara kolaylıkla
ulaşmamızda çok büyük yardımları olmaktadır.

Veri analizi süreci, bilimsel araştırma sürecinin en önemli basamaklarından biridir.  Bu süreçte
toplanılan  veriler amaca uygun istatistiksel teknikler ile işlenir veya analiz edilir. Son zamanlarda
şirketler etkinlik ve verimliliklerini artırabilmek ve karar mekanizmalarını güçlendirebilmek için veri
kalitesi ve bütünlüğüne verdikleri değeri ve zamanı artırmaktadır. Bunun nedeni, veri kalitesi ve
bütünlüğünün firmalara katmakta olduğu değerin farkındalık yaratmasıdır. Veri kalitesi ve
bütünlüğünün sağlayacağı değerler/faydalar aşağıdaki şekilde özetlenmektedir: Veri Analizi Eğitimi,
Veri Kalitesi Kontrolü, Gelir Güvencesi, Veri Analizi ve Değerlendirmesi, SAS 99/Fraud Analizleri
ve Maliyet Düşürme.

* Eliza Natasa Artinyan Deloitte Türkiye Kurumsal Risk Hizmetleri


www.istatistiqsel.com