R ile İstatistiksel Veri Analizi Eğitimi

Eğitim Hakkında

R ile hipotez testi ve regresyon temelli analiz

Bu eğitim, R dili ile istatistiksel veri analizini uçtan uca öğretir. Betimsel istatistikler (ortalama, medyan, varyans, çeyreklikler), olasılık dağılımları (normal, binom, Poisson) ve örnekleme dağılımları ele alınır. Hipotez testi mantığı, p-değeri, tek/çift örneklem t-testi, eşleştirilmiş t-testi, ANOVA, ki-kare ve normallik testleri (Shapiro-Wilk) uygulanır. Pearson/Spearman korelasyonu, basit ve çoklu doğrusal regresyon, katsayı yorumu, R-kare, artık (residual) analizi ve varsayım kontrolü gösterilir. summary(), t.test(), aov(), lm() ve ggplot2 ile görselleştirme işlenir.

Süre ve Format

3 Gün. Her gün dört modül; RStudio'da gerçek veri setleriyle test ve model kurma lableri.

Seviye

Orta Seviye — R ile betimsel istatistik, olasılık dağılımları, hipotez testleri, korelasyon ve regresyon analizini kapsar.

Öğrenme Metodu

RStudio'da örnek veri setlerinde (örn. mtcars, iris) test ve regresyon modelleri kurup sonuçları yorumlayarak ilerlenir.

Neden Bu Eğitim?

📈Kanıta Dayalı

Sezgiyi hipotez testleriyle sınayıp kararlarınızı istatistiksel kanıta dayandırırsınız.

🧪Doğru Test

Veri tipine ve varsayımlara göre t-testi, ANOVA veya ki-kare seçebilirsiniz.

🔮Tahmin

Regresyon modelleriyle ilişkileri ölçer ve tahmin üretirsiniz.

Anahtar Konular

r istatistik eğitimir ile veri analizihipotez testi rt-testi anovaregresyon analizi rki-kare testikorelasyon rrstudio istatistik

“İstatistik, belirsizliği sayılarla konuşturma sanatıdır.”

Ön Koşullar

Eğitimden verim almak için faydalı olacak bilgi ve ortam gereksinimleri

1

Temel R

Vektör, veri çerçevesi ve fonksiyon çağırmaya aşinalık gerekir.

2

Matematik

Ortalama, yüzde ve temel cebir bilgisi faydalıdır.

3

RStudio

R ve RStudio kurulu bir ortam gerekir.

4

Paketler

ggplot2, dplyr gibi paketlerin kurulabilmesi için internet erişimi faydalıdır.

Eğitim İçeriği

Programın gün gün akışı aşağıdadır. Bir güne tıklayarak o günün modüllerini ve içeriklerini görebilirsiniz.

Günün hedefiKatılımcı veriyi betimsel ölçülerle özetler ve olasılık dağılımlarını R'da kullanabilir.

Modül 1

Betimsel Ölçüler

mean, median, var, sd fonksiyonları
quantile ve IQR ile çeyreklikler
summary() ile hızlı özet
Çarpıklık ve basıklık kavramı
table() ve prop.table ile frekans
Gruplu özet: aggregate / dplyr::summarise

Modül 2

Görselleştirme

hist() ile histogram
boxplot ile aykırı değer görme
ggplot2 geom_histogram / geom_boxplot
Yoğunluk eğrisi (density)
Dağılım karşılaştırma grafikleri
Eksen, başlık ve tema düzenleme

Modül 3

Olasılık Dağılımları

Normal dağılım: dnorm/pnorm/qnorm/rnorm
Binom dağılımı: dbinom/pbinom
Poisson dağılımı kullanımı
Z-skoru ve standartlaştırma
Olasılık ve kümülatif olasılık hesabı
Rastgele örnek üretme (set.seed)

Modül 4

Örnekleme

Popülasyon ve örneklem farkı
Örnekleme dağılımı ve standart hata
Merkezi Limit Teoremi sezgisi
Güven aralığı mantığı
sample() ile örnekleme
Örneklem büyüklüğünün etkisi

Günün hedefiKatılımcı uygun hipotez testini seçip R'da uygular ve p-değerini doğru yorumlar.

Modül 1

Hipotez Mantığı

H0 ve H1 kurma
Tip I ve Tip II hata
Anlamlılık düzeyi (alfa) ve p-değeri
Tek/çift yönlü test
Güç (power) kavramı
Sonucu iş diline çevirme

Modül 2

t-Testleri

Tek örneklem t.test()
Bağımsız iki örneklem t-testi
Eşleştirilmiş (paired) t-testi
Varyans eşitliği (var.equal) seçimi
Normallik: shapiro.test()
Parametrik olmayan alternatif: wilcox.test

Modül 3

ANOVA

Tek yönlü ANOVA: aov()
Grup ortalamalarının karşılaştırılması
F-istatistiği ve p-değeri
Post-hoc: TukeyHSD()
Varsayımlar: homojenlik ve normallik
Etki büyüklüğü yorumu

Modül 4

Ki-Kare

Kategorik değişkenlerde ilişki
chisq.test() ile bağımsızlık testi
Beklenen ve gözlenen frekans
Uyum iyiliği (goodness of fit)
Çapraz tablo (table) hazırlama
Düşük beklenen frekans uyarısı

Günün hedefiKatılımcı korelasyon ve regresyon modelleri kurup katsayıları ve varsayımları yorumlayabilir.

Modül 1

Korelasyon

cor() ile Pearson korelasyonu
Spearman sıra korelasyonu
cor.test() ile anlamlılık
Korelasyon matrisi ve ısı haritası
Korelasyon ve nedensellik ayrımı
Aykırı değerin korelasyona etkisi

Modül 2

Basit Regresyon

lm(y ~ x) ile model kurma
Eğim ve kesim katsayısı yorumu
summary() çıktısını okuma
R-kare ve uyum iyiliği
Tahmin: predict()
Regresyon doğrusunu çizdirme

Modül 3

Çoklu Regresyon

Birden çok bağımsız değişken
Kategorik değişken (factor) ekleme
Çoklu doğrusallık (VIF) kontrolü
Katsayı anlamlılığı
Düzeltilmiş R-kare
Model karşılaştırma (AIC)

Modül 4

Varsayım Kontrolü

Artık (residual) grafikleri
Normallik ve homoskedastisite
plot(model) tanı grafikleri
Etkili gözlem (Cook mesafesi)
Dönüşüm ile düzeltme
Model raporlama ve yorum

Eğitim Kazanımları

Program sonunda katılımcılar:

✅

Betimleme

Veriyi uygun istatistiksel ölçülerle özetleyebilirsiniz.

✅

Dağılımlar

Normal, binom ve Poisson dağılımlarını R'da kullanabilirsiniz.

✅

Hipotez Testi

Uygun testi seçip p-değerini doğru yorumlayabilirsiniz.

✅

t-testi/ANOVA

Grup karşılaştırmalarını t-testi ve ANOVA ile yapabilirsiniz.

✅

Ki-Kare

Kategorik değişkenler arası ilişkiyi test edebilirsiniz.

✅

Korelasyon

İlişkinin yön ve gücünü ölçüp anlamlılığını sınarsınız.

✅

Regresyon

Doğrusal regresyon modeli kurup katsayıları yorumlarsınız.

✅

Varsayım

Model varsayımlarını artık analiziyle kontrol edersiniz.

Kimler İçin Uygundur?

R'a temel aşinalığı olan veri analistleri
araştırmacılar
lisansüstü öğrenciler
istatistik uygulamayı öğrenmek isteyenler

Sıkça Sorulan Sorular

Bu eğitim kimler için uygundur?

R'a temel aşinalığı olan analistler, araştırmacılar ve istatistik uygulamayı öğrenmek isteyen lisansüstü öğrenciler için uygundur.

Hangi testler işleniyor?

t-testi, eşleştirilmiş t-testi, ANOVA, ki-kare, normallik testleri ve parametrik olmayan alternatifler ele alınır.

Regresyon da var mı?

Evet; basit ve çoklu doğrusal regresyon, katsayı yorumu ve varsayım kontrolü işlenir.

İleri düzey R gerekir mi?

Hayır; vektör ve veri çerçevesi düzeyinde temel R yeterlidir.

Sertifika veriliyor mu?

Eğitim sonunda Digital Vizyon Akademi Katılım ve Başarı Sertifikası verilir.

Sertifikalandırma

Bu eğitim Digital Vizyon Akademi Başarı Sertifikası ile tamamlanır.

Eğitim başında “Ön Test”, bitiminde “Son Test” uygulanarak gelişim ölçümlenir. Değerlendirme formunu dolduran katılımcılar sertifikalarını alır. Sertifikanızın geçerliliğini Sertifika Sorgulama sayfasından doğrulayabilirsiniz.

Örnek Sertifika

R İLE İSTATİSTİKSEL VERİ ANALİZİ EĞİTİMİ

Eğitim Hakkında

Neden Bu Eğitim?

Anahtar Konular

Ön Koşullar

Eğitim İçeriği

Betimsel Ölçüler

Görselleştirme

Olasılık Dağılımları

Örnekleme

Hipotez Mantığı

t-Testleri

ANOVA

Ki-Kare

Korelasyon

Basit Regresyon

Çoklu Regresyon

Varsayım Kontrolü

Eğitim Kazanımları

Kimler İçin Uygundur?

Sıkça Sorulan Sorular

Sertifikalandırma

Eğitim Bilgileri

Bu Eğitimle Birlikte Tercih Edilenler

ONTAP Data Protection Administration (DATAPROT) Eğitimi

Operational Excellence in Data Reliability Engineering Eğitimi

Operations with petl: Basic Data Transformations Eğitimi

Optimizing Operations Using Demand Forecasting and Capacity Management Eğitimi

Optimizing Statistics & Indexes Eğitimi