📊 İSTATİSTİKSEL METODOLOJİ VE VERİ ANALİZİ
Hafta 1: İstatistiğin Epistemolojisi, Temel Aksiyomlar ve Spor Bilimlerindeki Rolü
🎬 Ders Videosu
Bu dersin videosunu izleyerek konuyu kavrayabilirsiniz.
🎯 Amaç: Bu ilk derste, "istatistik" kelimesinin aslında korkutucu olmadığını, tam tersine her gün kullandığımız basit ve güçlü bir araç olduğunu spor ve antrenmanlardan örneklerle keşfedeceğiz.
🤔 İstatistik Nedir? (Gerçekten)
📚 Kelimenin Kökeni
"Statistics" kelimesi Latince "status" (devlet, durum) kelimesinden gelir. İlk olarak 18. yüzyılda devletlerin nüfus, ekonomi ve askeri güç verilerini toplamak için kullanılmıştır.
Türkçe karşılığı: İstatistik = "Durum bilgisi" veya "Sayısal durum özeti"
Bilimsel Bir Paradigma Olarak İstatistik
İstatistik; verilerin toplanması, düzenlenmesi, analiz edilmesi ve yorumlanması ile ilgilenen bir bilim dalıdır. Temel amacı, belirsizlik karşısında en doğru kararları verebilmek için verilerdeki örüntüleri ve ilişkileri ortaya çıkarmaktır.
Kısacası istatistik, ham verilerden anlamlı sonuçlara ulaşmamızı sağlayan güçlü bir araçtır.
Kısacası İstatistik: Veriyi bilgiye, bilgiyi de karara dönüştürmektir.
Bilimsel Olarak İstatistik...
...verilerin toplanması, organize edilmesi, analiz edilmesi, yorumlanması ve sunulması ile ilgilenen bir bilim dalıdır. Amacı, belirsizlik altında en doğru kararları verebilmek için verilerdeki desenleri ve ilişkileri ortaya çıkarmaktır.
Yani, karmaşık görünen olayları basitleştirmek ve anlamak için kullandığımız güçlü bir "tercüman" gibidir.
İstatistiğin Temelindeki İki Kavram: Evren ve Örneklem
Evren (Population)
Hakkında bilgi edinmek istediğimiz grubun tamamı.
Örn: Türkiye'deki TÜM lisanslı voleybolcular (~150.000 kişi)
Örneklem (Sample)
Evrenin içinden seçtiğimiz ve üzerinde çalışma yaptığımız küçük bir alt grup.
Örn: Rastgele seçilmiş 500 lisanslı voleybolcu
🔑 Temel Kavramlar: Veriden Karara Yolculuk
Adım 1: VERİ (Data) Toplanır - "Ne Biliyoruz?"
Antrenör, sprinter hakkında ham ve işlenmemiş gerçekleri kaydeder. Bunlar tek başına çok bir şey ifade etmez.
Adım 2: BİLGİ (Information) Oluşturulur - "Bu Veriler Ne Anlama Geliyor?"
Antrenör, verileri bir araya getirip organize eder ve anlamlı hale getirir.
"22 yaşındaki sprinter'ımız, haftada 4 antrenman yaparak 11.2 saniye koşuyor. Bu derece, en hızlı rakibinden 0.1 saniye daha yavaş."
Adım 3: KARAR (Decision) Alınır - "Şimdi Ne Yapacağız?"
Antrenör, bu bilgiye dayanarak bir eylem planı oluşturur.
"Rakibi geçmek için gereken 0.1 saniyelik farkı kapatmak amacıyla, sporcunun çıkış tekniğini geliştirecek özel bir antrenman programı uygulamaya karar verdim. Haftalık antrenman sayısını 5'e çıkaracağız."
Hafta 1 Kapsam Notu
Bu hafta odağımız, istatistiğin temel amacı ve karar verme sürecidir: evren, örneklem, analiz ve yorum.
Veri türleri ve veri toplama yöntemleri ayrı bir başlık olarak Hafta 2 dersinde işlenecektir.
📌 Evren-Örneklem ile Birlikte Öğrenilmesi Gereken 2 Terim
- Parametre: Tüm evreni tanımlayan gerçek değerdir. Örn: Türkiye'deki tüm lisanslı voleybolcuların gerçek boy ortalaması. Sembolü: μ (mu). Genellikle doğrudan ölçemeyiz.
- İstatistik: Örneklemden hesaplanan ve parametreyi tahmin etmek için kullandığımız değerdir. Örn: Seçtiğimiz 500 voleybolcunun boy ortalaması. Sembolü: x̄ ("x bar").
Kısaca: Örneklemden hesapladığımız istatistik (x̄) ile, ulaşamadığımız evren parametresini (μ) tahmin ederiz. İstatistik biliminin özü budur.
🌍 Günlük Hayattaki İstatistik
Genel Hayattan Örnekler
- Hava Durumu: "Yarın %80 yağmur ihtimali var" dendiğinde, şemsiye alıp almamaya bu istatistiğe göre karar veririz.
- Trafik: "Sabahları bu yol ortalama 30 dakika sürüyor" bilgisi, ne zaman yola çıkacağımızı belirler.
- Alışveriş: Bir ürünün "5 yıldız üzerinden 4.8 puan" alması, onu satın alma kararımızı etkiler.
Peki ya Spor Dünyası?
- Video Oyunları: FIFA veya NBA 2K gibi oyunlarda oyuncu kartlarının güçleri (hız 95, şut 88) onların gerçek hayattaki performans istatistiklerine göre belirlenir.
- İddaa & Fantezi Ligleri: Bir takıma bahis oynamadan veya fantezi ligi için takım kurmadan önce, oyuncuların ve takımların geçmiş istatistiklerine (atılan gol, asist, kurtarış yüzdesi vb.) bakarak karar veririz.
- Maç Yayını: Spikerin "X takımı bu sezon evinde oynadığı maçların %80'ini kazandı" demesi, maç hakkında bir beklenti oluşturur ve bu saf bir istatistiktir.
Gördüğünüz gibi...
İstatistik sadece bilim insanlarının değil, her gün kullandığımız, kararlarımızı şekillendiren bir araçtır.
🏆 Spor Bilimlerinde İstatistik: Kim, Ne Yapar?
👨🏫 ANTRENÖR
Takımı zafere taşımak için veriyi kullanır.
- Etkili Antrenman: Hangi antrenman metodu sprint hızını daha çok artırıyor? A/B testi yapar.
- Doğru Oyuncu: Maçın kritik anında hangi oyuncu daha yüksek yüzdeyle penaltı atar? İstatistiklere bakar.
- Sakatlık Önleme: Haftalık antrenman yükü ile sakatlıklar arasında bir ilişki var mı? Veri ile riski yönetir.
🏃♀️ SPORCU
Kendi potansiyelini en üste çıkarmak için veriyi kullanır.
- Gelişim Takibi: Dikey sıçrama yüksekliği son 3 ayda ne kadar arttı? Veriyle motive olur.
- Rakip Analizi: Rakip forvet genellikle şutlarını kalenin sağına mı soluna mı vuruyor? Veriyle hazırlanır.
- Yaşam Tarzı: 8 saat uyku ile 6 saat uyku arasında ertesi günkü reaksiyon süresi farkı ne kadar? Veriyle optimize eder.
🔬 AKADEMİK ARAŞTIRMACI
Bilimsel sorulara güvenilir cevaplar bulmak için veriyi kullanır.
- Antrenman Etkinliği: "Yeni metot sprint zamanını gerçekten iyileştiriyor mu?" sorusunu bir deney grubu ile kontrol grubunu karşılaştırarak test eder.
- Beslenme Araştırması: Belirli bir takviyenin performansa etkisi olup olmadığını, gerçek verilerle ölçer ve raporlar.
- Bilimsel Dürüstlük: Sonuçları olduğu gibi paylaşır; yöntemini açıkça yazarak başkalarının aynı çalışmayı tekrar yapabilmesini sağlar.
👔 KULÜP YÖNETİCİSİ
Kulübün başarısını ve geleceğini garanti altına almak için veriyi kullanır.
- Oyuncu Transferi: Hangi oyuncu, bonservis bedeline göre en yüksek verimi (gol/asist başına maliyet) sunuyor? Hesaplar.
- Bilet Fiyatlandırma: Maç günü ve rakibe göre bilet fiyatlarını nasıl ayarlarsak stadyum doluluğu maksimum olur? Modeller.
- Altyapı Yatırımı: Altyapıya harcanan para ile A takıma çıkan oyuncu sayısı arasında bir korelasyon var mı? Değerlendirir.
🌿 İstatistiğin İki Ana Dalı
1. Betimsel (Descriptive) İstatistik
Metafor: Anlık bir fotoğraf çekmek.
Kilit Soru: "Elimizdeki grubun resmi nedir?"
Eldeki veriyi özetlemek ve tarif etmek için kullanılır. Grafikler, tablolar ve ortalama gibi değerlerle mevcut durumu anlamamızı sağlar.
Spor Örneği:
A Milli Basketbol Takımı'nın bir maçtaki verilerini betimlemek:
- Sayı ortalaması: 85.4 sayı
- En yüksek bireysel skor: Cedi Osman (22 sayı)
- Takımın boy ortalaması: 198 cm (Ortalama)
2. Çıkarımsal (Inferential) İstatistik
Metafor: Fotoğrafa bakarak geleceği tahmin etmek.
Kilit Soru: "Bu küçük gruptan öğrendiklerimizi, herkes için genelleyebilir miyiz?"
Küçük bir gruptan (örneklem) elde edilen verilerle, daha büyük bir bütün (evren) hakkında bilimsel tahminler ve genellemeler yapmaktır.
Spor Örneği:
Yeni bir antrenman metodunun etkisini test etmek:
- 50 kişilik bir sporcu grubuna (örneklem) yeni metot uygulanır.
- Bu grubun gelişimine bakılarak, metodun tüm Türk sporcular (evren) üzerinde de etkili olup olmayacağı istatistiksel olarak tahmin edilir.
🌍 Dünya'dan İstatistik Hikayeleri
Moneyball (2002)
Oakland Athletics - Beyzbol
Problem: En düşük bütçeli takımlardan biri, nasıl şampiyon olabilir?
Çözüm: Genel Menajer Billy Beane, geleneksel izcilik yerine "Sabermetrics" (istatistiksel analiz) kullandı. Herkesin göz ardı ettiği ama verilere göre değerli oyuncuları ucuza transfer etti.
Sonuç: 20 maçlık galibiyet serisi ve play-off'lar! Brad Pitt'li film çekildi.
Leicester City (2015-16)
Premier Lig - Futbol
Bahis Oranı: 5000'e 1 (imkansız denilen)
Strateji: Veri analitiği ile hücum yönelimli takımlara karşı kontra-atak oyunu. Jamie Vardy ve Riyad Mahrez'in sprint + şut istatistikleri mükemmel eşleşti.
Sonuç: Tarihlerinde ilk Premier Lig şampiyonluğu! Spor tarihinin en büyük sürprizi.
Türkiye: A Milli Voleybol Takımı
Giovanni Guidetti döneminde veri analitiği kullanılarak rakip takımların smaç ve servis desenleri analiz edildi. Oyunculara özel savunma pozisyonları belirlendi.
Sonuç: 2021 Avrupa Şampiyonluğu ve 2022 Dünya 3.'lüğü!
Ders: Veri, doğru kullanıldığında, bütçeden veya yeteneğin tek başına veremeyeceği avantajları sağlar!
📜 İstatistiğin Kısa Tarihi
İstatistiğin Öncüleri
Carl F. Gauss
(1777-1855)
Normal dağılımı (Çan Eğrisi) matematiksel olarak formüle etti.
F. Nightingale
(1820-1910)
Grafiklerle veri görselleştirme öncüsü. Savaşta ölümleri analiz etti.
Ronald Fisher
(1890-1962)
Modern istatistiğin babası. p-değeri ve ANOVA'yı geliştirdi.
John Tukey
(1915-2000)
Kutu grafiğini (Box Plot) icat etti. "Keşifsel Veri Analizi" yaklaşımı.
Günümüz: Artık cebinizdeki telefon bile bu öncülerin geliştirdiği yöntemleri kullanarak size "günlük adım ortalamanızı" veya "uyku kalitenizi" hesaplıyor!
🔬 Bilimsel Düşünme ve Etik
İyi Bir İstatistiksel Sürecin 3 İlkesi
- Doğru Soru: Ölçmek istediğimiz hedef net değilse sonuçlar da net olmaz.
- Şeffaf Yöntem: Nasıl çalıştığımızı açıkça yazmalıyız ki süreç tekrarlanabilsin.
- Etik Yaklaşım: Sonucu değiştirmek için yöntemle oynamak bilimsel güveni bozar.
✅ Doğru Uygulama
Hipotezi ve analiz planını önceden belirlemek, yorumların güvenilirliğini artırır.
⚠️ Kaçınılması Gereken
İstenen sonuca ulaşmak için süreç içinde kural değiştirmek (p-hacking) bilimsel hatadır.
Not: Veri türleri ve veri toplama yöntemlerinin ayrıntıları Hafta 2'de işlenecektir.
🧠 Kendini Test Et!
Soru 1: İstatistik Neden Önemli?
Aşağıdakilerden hangisi istatistiksel düşünmenin temel katkılarından biridir?
Soru 2: Evren vs Örneklem
"Türkiye'deki tüm lisanslı basketbolcuların boylarını öğrenmek istiyoruz. 500 basketbolcu seçip boylarını ölçtük." 500 kişilik grup nedir?
Soru 3: İstatistik Dalları
"Takımımızın bu sezon maç başına 2.3 gol attığını hesapladık." Bu hangi istatistik dalına girer?
Soru 4: Bilimsel Etik
Aşağıdaki davranışlardan hangisi bilimsel sürece uygundur?
Tebrikler! 4/4 doğru cevap verdiysen, bu haftanın konularını iyi anlamışsın demektir!
🏁 Hafta 1'in Finali: Aklımızda Ne Kalmalı?
GİRDİ: Bulgular
(Gözlemler, Notlar, Ölçümler)
⚙️ İSTATİSTİK MOTORU ⚙️
(Analiz, Yorumlama, Görselleştirme)
ÇIKTI: Güçlü Kararlar
(Performans Artışı, Sakatlık Riski Azalması, Doğru Oyuncu Seçimi)
Haftalık Sentez
Bu ders, sayıların sadece miktar belirtmediğini, birer "anlatı birimi" olduğunu göstermiştir. Gelecek hafta, bu anlatı birimlerinin atomları olan Veri Türleri ve bunların toplama metodolojilerini sistematik olarak inceleyeceğiz.
📚 Akademik Kaynakça ve Referanslar
- Field, A. (2013). Discovering Statistics Using IBM SPSS Statistics. SAGE Publications. (İstatisitksel kavramların mantığı için temel kaynak).
- Vincent, W. J., & Weir, J. P. (2012). Statistics in Kinesiology. Human Kinetics. (Spor bilimleri özelinde istatistiksel uygulamalar).
- O'Donoghue, P. (2010). Research Methods for Sports Performance Analysis. Routledge. (Performans analizi ve veri yapılandırılması).
- Cohen, J. (1988). Statistical Power Analysis for the Behavioral Sciences. Lawrence Erlbaum Associates. (Örneklem büyüklüğü ve etki büyüklüğü aksiyomları).
Digital Resources & Databases
• Cochrane Library: Spor hekimliği ve rehabilitasyon meta-analizleri için.
• PubMed/Scopus: Güncel biyoistatistiksel yöntemlerin takibi için.
• R-Project / JASP: Modern açık kaynaklı istatistiksel analiz yazılımları.