Ödev Nasıl Yapılır? – Ödev Yaptırma – Ödev Yaptırma Ücretleri – Tez Yaptırma – Ödev Yaptırma Fiyatları – Ücretli Ödev Yaptırma – Tez Yaptırma Ücretleri – Sunum Hazırlığı Yaptırma – Dergi Makalesi Yaptırma – Dergi Makalesi Yazdırma
Veri Analizi Teknikleri
Keşif amaçlı veri analizi tekniklerinde daha fazla düzeltme elde etmek için, kısaca üç yararlı yaklaşımı ele alıyorum: kök ve yaprak analizi (merkezi seviye ve yayılma ölçümleri dahil); kutu ve bıyık grafikleri; ve zaman aşımı grafikleri için veri yumuşatma.
Kök ve yaprak analizi, bir dizi veriye yakından bakmak için basit bir tekniktir. Yaptığınız bazı veri toplama işlemlerinin, belirli bir değişken için aşağıdaki 27 sayıyı ürettiğini varsayalım (veri kümenizdeki geliş sırasına göre).
Bu verileri analiz etmenin bir yolu, bir çubuk grafik veya frekans sayımı olacaktır. Burada bazı kategori kutuları oluşturabilir ve her birindeki vaka sayısını sayabilir ve bunun gibi bir sonuç verebiliriz.
Bu model, geleneksel tek tepeli bir modele benziyor (yanıltıcı bir şekilde ‘normal’ dağılım olarak adlandırılan, ‘çan eğrisi’ olarak popüler hale getirildi). Ancak burada orijinal verilerdeki kesin sayılar hakkında çok fazla bilgi kaybettik ve sonuç olarak bir numarayı kaçırıyor olabiliriz.
Kök-yaprak analizi biraz daha ileri gider çünkü orijinal sayılarda verilen bilgilerin çoğunu tutar. Her sayı, daha büyük olan “gövde” kısmı ve daha küçük olan “yaprak” veya birim kısım olmak üzere iki kısma ayrılır. Analiz edilen verilerin aralığına göre (yukarıdan aşağıya değişiklik) kök olarak neyin ayarlanacağını seçiyoruz.
Burada, yukarıdaki frekans tablosundaki gibi, gövdeyi 10’lara eşitleyebiliriz. Ancak biraz daha derine bakmak istediğimiz için, bunun yerine gövdeyi beşli olarak ayarlayabiliriz, (örneğin) bir gövde 20’den 24’e ve başka bir gövde 25’ten 29’a uzanır.
Buna dayanarak, kümedeki ilk sayı 25’tir ve bu, 20’lik bir üst gövdeye ve 5’lik bir yaprağa ayrılacaktır. Sonraki 46 sayısı, 40’lık bir üst gövdeye ve 6’lık bir yaprağa ayrılacaktır. 50’lerin altında bir gövde ve 2’lik bir yaprak vb. Yukarıdaki sayıların tamamı üzerinde çalışmak, aşağıdaki gibi bir gövde ve yaprak analizi verecektir.
Burada sadece tek tepeli bir eğri (bir çan eğrisi) olmadığı açıktır. Bunun yerine, 15’ten 23’e (13 veri noktası dahil) puan veren bir ana gözlem çıkıntısı ve ardından 29’dan 34’e (7 veri noktası dahil) daha küçük bir çıkıntı vardır.
27 gözlem olduğundan, on dördüncü gözleme ulaşana kadar (yukarıdaki listede kalın harflerle gösterilmiştir) yukarı veya aşağı sayarak medyanı bulabiliriz.
Çeyrekleri de aynı şekilde gözlemleri medyanın üstünde ve altında ikiye bölerek bulabiliriz (çeyrekler yedinci ve sekizinci gözlemlerin yukarıdan veya aşağıdan gelen ortalamalarıdır). Gövde ve yapraktan, aşağıdaki gibi merkezi düzey ve yayılımın özet indekslerini veren bir tabloyu hızlı bir şekilde oluşturabiliriz.
Az miktarda veri ile kök ve yaprak teknikleri kalem ve kağıt kullanılarak kolayca uygulanır. Bunları bu şekilde kullanmak konusunda söylenecek çok şey var çünkü verilerinizle (sıklık sayıları veya çizelgeler gibi diğer istatistiksel paketlerin çıktıları da olabilir) yakın temas halinde olmanızı sağlar. Çok sayıda veri noktası elde ettiğinizde (yaklaşık 30’dan fazla), burada belirtilen tüm keşif amaçlı veri analizi tekniklerini yapmak için bir bilgisayar paketi kullanabilirsiniz: örneğin, SPSS’nin gövde ve yaprak tesisleri vardır.
Kutu ve bıyık grafikleri, bir dizi gövde ve yaprak analizinin istatistiksel sonuçlarını göstermenin bir yoludur. Ölçeği gösteren dikey bir eksene sahip dikey bir çubuk grafik gibidirler. Aradaki fark, bir kutu içinde yalnızca üst çeyrek noktalarından alt çeyrek noktalarına kadar çizmeniz ve sağ taraftaki çubukta gösterildiği gibi medyanın konumunu göstermek için kalın bir çizgi eklemenizdir.
Veri analiz yöntemleri PDF
Nitel veri analiz yöntemleri
Nicel veri analiz yöntemleri
Veri analizi günlük hayatta nerelerde kullanılır
Veri analizi Nedir
Makalede veri analizi Nasıl Yapılır
Veri analizi programları
Makale analiz yöntemleri
Kalan veri noktalarını, orta kütlenin üstünde ve altında uzanan şekilde görüntülemek için tek bir dikey çizgi (bıyık) ekleyin. Bir gözlem orta kütleden ne kadar uzaktaysa, o kadar sıra dışıdır. Bunun bir tesadüf veya kötü bir veri parçası olma olasılığı daha yüksek olabilir veya alternatif olarak, ayrıntılı açıklama gerektiren önemli bir uç durum olabilir.
Uzaktaki gözlemler (orta kutudan çok uzakta kalanlar, özellikle üst çeyreğin üzerinde veya alt çeyreğin altında orta yayılmanın 1,5 katından fazla olanlar), bıyıklardaki lekelerle gösterilir. Aykırı değerler, size tam olarak hangi gözlemlerin son derece sıra dışı olduğunu hatırlatmak için adlarıyla ayrı ayrı etiketlenmeye değerdir.
Tek bir gövde ve yapraktan alınan istatistiklerin tek bir kutu ve bıyık grafiğine bakmak faydalı olabilir. Ancak bu çizimlerin gerçek değeri, gösterildiği gibi farklı veri noktaları kümelerindeki varyasyonu karşılaştırmanıza izin vermesidir.
Burada bir bakışta görülebilir:
◆ medyanların ve orta kutuların dikey konumlarının karşılaştırılmasıyla gösterildiği gibi, üç farklı gözlem setinin merkezi seviyesindeki değişimler; ve
◆ gölgeli orta kutuların dikey boyutu, kutuların dikey boyutu artı bıyık ve aykırı değerlerin varlığı veya yokluğu ile gösterilen, verilerinin dağılımındaki farklılıklar.
Bu, sofistike, çok göstergeli bir karşılaştırmadır, ancak çok sezgisel ve erişilebilir bir şekilde gerçekleştirilir. Verileri anlamanıza büyük ölçüde yardımcı olabilir ve ayrıca birçok bilgiyi okuyuculara etkili bir şekilde iletebilir.
Verileri yumuşatma, çizgi grafikler kullanılarak analiz edilen her türlü bilgi için, özellikle de her türlü endeksin zaman içindeki hareketleri için çok yararlı başka bir veri azaltma tekniğidir. Borsaların veya emtia piyasalarının hareketleri veya bir hükümetin popülaritesini gösteren kamuoyu yoklamaları gibi, çok fazla yukarı ve aşağı zikzaklar çizen değişken bir veri serisinde çok sayıda gözlem elde ettiğimiz birçok durum vardır.
Buradaki temel zorluk, anlamsız veya geçici dalgalanmaları, veri serisinin merkezi seviyesinde meydana gelebilecek, altta yatan, uzun vadeli değişikliklerden veya geçişlerden ayırmaya çalışmaktır. Verileri yumuşatmak, bunu yapmanın bir yoludur. Temel olarak aşağıdaki gibi çalışır.
Sahip olduğunuz gerçek veri numaralarını bir sütuna koyarsınız ve ardından onun yanında yeni bir sayı sütunu oluşturursunuz. Burada her gerçek veri numarasını, o gözlemin ve ondan hemen önceki ve sonraki gözlemlerin ortalaması olan yeni bir sayıyla değiştirirsiniz. Bunu, üç gözlemin ortalamasını alacak bir formül yazarak bir elektronik tablo üzerinde kolayca yapabilirsiniz.
Örneğin, 52, 56, 74, 60, 58 gibi bir sayı diziniz varsa, buradaki 74 için düzeltilmiş sayı 56 74 60 210, 3’e bölünerek 63 olur. Bu tekniğe denir. ortalama yumuşatma ve veri serilerindeki ‘normal’ dalgalanmaları ortadan kaldıracaktır.
Ancak bazı alışılmadık tek seferlik gözlemleriniz varsa (yüksek veya düşük), o zaman yine de ortalama düzleştirilmiş rakamı çok yukarı veya aşağı itebilirler.
“odev.yaptırma.com.tr“ ailesi olarak size her konuda destek sunabiliriz. Tek yapmanız gereken iletişim adreslerimizden bizlere ulaşmak!
Tüm alanlara özgü, literatür taraması yaptırma, simülasyon yaptırma, analiz yaptırma, çeviri yaptırma, makale ödevi yaptırma, dergi makalesi yaptırma, sunum ödevi yaptırma ve model oluşturma çalışmaları yapmaktayız.
İletişim Formu
