Kesikli ve Sürekli Veriler

Veri analizi sürecinde, sayısal veriler genellikle iki ana kategoriye ayrılır: kesikli ve sürekli veriler. Bu veriler, ölçüm tipine ve sayısal aralıklarına bağlı olarak farklı analiz yöntemleri gerektirir. Bu sayfada, kesikli ve sürekli verilerin tanımlarını, özelliklerini ve her bir türün analizine dair temel bilgileri bulabilirsiniz.

Kesikli Veri

Kesikli veriler, belirli bir sayıya veya kategorilere sahip olan verilerdir ve genellikle tam sayı değerleriyle ifade edilir. Kesikli veriler, sayılamayan veya kesilemeyen değerlerden oluşur. Bu tür veriler, belirli aralıklarla ve genellikle sınırlı bir set ile temsil edilir.

Kesikli Veri Özellikleri

• Tam Sayılar: Kesikli veriler, genellikle tam sayılarla ifade edilir. Örneğin, bir sınıftaki öğrenci sayısı veya bir şirketteki çalışan sayısı gibi.
• Sayılabilir: Kesikli veriler, belirli bir sayıya sahip olup, sayılar arasında kesintisiz bir geçiş bulunmaz.
• Kesilemez: Kesikli verilerde, bir kategoriye ait sayısal değerler arasında küçük kesintiler yapılmaz. Örneğin, bir ailedeki çocuk sayısı 2.5 olamaz.

Kesikli Veri Örnekleri

• Öğrenci sayısı
• Bir haftada okunan kitap sayısı
• Gözlük numarası
• Araba sahipliği (0, 1, 2 vs.)

Kesikli Verilerin Analizi

Kesikli veriler için genellikle frekans analizi, mod (en sık görülen değer) gibi basit istatistikler kullanılır. Yaygın analiz yöntemleri şunlardır:

• Frekans Dağılımı: Her bir kategorinin veya sayının kaç kez tekrar ettiğini gösterir.
• Chi-Square Test: İki veya daha fazla kategorik değişken arasındaki ilişkiyi test etmek için kullanılabilir.

Sürekli Veri

Sürekli veriler, herhangi bir aralıkta değer alabilen ve kesiksiz olan verilerdir. Bu tür veriler, genellikle ölçümler ile elde edilir ve belirli bir ölçü birimiyle ifade edilir. Sürekli veriler, aralarındaki farkların hesaplanabilir olduğu, her zaman daha hassas ölçümler yapılabilen verilerdir.

Sürekli Veri Özellikleri

• Kesiksiz: Sürekli verilerde, veriler arasındaki geçişler kesiksizdir ve genellikle ondalıklı sayılarla ifade edilir. Örneğin, bir kişinin boyu 170.5 cm olabilir.
• Ölçülebilir: Sürekli veriler, belirli bir ölçü birimi ile ifade edilebilir. Örneğin, kilogram, santimetre, derece gibi.
• İncelenebilir Farklar: Sürekli verilerde, veri arasındaki farklar hesaplanabilir ve daha ince ayrıntılar elde edilebilir.

Sürekli Veri Örnekleri

• Kişinin boyu
• Vücut sıcaklığı
• Zaman
• Ağırlık
• Hız

Sürekli Verilerin Analizi

Sürekli veriler için, genellikle ortalama, standart sapma, varyans, regresyon analizi gibi ileri düzey istatistiksel analizler kullanılır. Yaygın analiz yöntemleri şunlardır:

• Ortalamalar ve Standart Sapmalar: Verilerin merkezi eğilimini ve yayılımını ölçer.
• Korelasyon Analizi: İki sürekli değişken arasındaki ilişkiyi ölçer.
• Regresyon Analizi: Bir değişkenin diğer değişken üzerindeki etkisini belirlemek için kullanılır.
• Histogram ve Dağılım Grafikleri: Sürekli verilerin görsel temsilini sağlar.

Kesikli ve Sürekli Veriler Arasındaki Farklar

Kesikli ve sürekli veriler arasında bazı belirgin farklar bulunmaktadır:

R ile Kesikli ve Sürekli Veri Analizi

R programında kesikli ve sürekli verilerle yapılabilecek bazı analiz örnekleri aşağıda verilmiştir.

Kesikli Veri Analizi

# Kesikli Veri: Öğrenci Sayısı
ogrenci_sayisi <- c(15, 20, 25, 30, 25)
frekans <- table(ogrenci_sayisi)
print(frekans)

# Chi-Square Test
kategorik_veri <- factor(c("A", "B", "A", "C", "B", "A"))
chi_test <- table(kategorik_veri)
print(chi_test)

Sürekli Veri Analizi

# Sürekli Veri: Boy Ölçümleri
boy <- c(170.5, 160.2, 175.3, 180.4, 165.8)
mean(boy)  # Ortalama
sd(boy)    # Standart Sapma

# Histogram
hist(boy, main = "Boy Dağılımı", xlab = "Boy (cm)", col = "lightblue", border = "black")

Sonuç olarak, kesikli ve sürekli veriler, veri analizi sürecinde farklı analiz yaklaşımları gerektirir. Kesikli veriler, genellikle sayılabilen, sınırlı setlerden oluşurken, sürekli veriler daha hassas ölçümler ve aralıklar içerir. Bu farkları anlamak, doğru analiz tekniklerinin uygulanmasında büyük önem taşır.