İstatistik ve Olasılık Temelleri Eğitimi

Eğitim Hakkında

Bu eğitim, veri analitiği ve yapay zeka çalışmalarının dayandığı istatistik ve olasılık kavramlarını formül ezberinden uzak, iş örnekleriyle öğretmek için tasarlanmış iki günlük bir programdır. Katılımcılar tanımlayıcı istatistik, olasılık dağılımları, güven aralıkları, hipotez testleri, A/B testi ve regresyonu Excel ve hazır Python not defterleriyle uygulayarak doğru yorumlamayı öğrenir.

Neden Bu Eğitim?

Ezber Değil Sezgi. Formüllerin arkasındaki mantığı simülasyonlar ve görsellerle kavrayarak kavramları kalıcı biçimde öğrenin.

İş Odaklı Örnekler. Kampanya etkisi, müşteri memnuniyeti, kalite ölçümü ve A/B testi gibi gerçek iş sorularıyla çalışın.

Yanılgılardan Korunma. p-değeri yanlış yorumu, Simpson paradoksu ve sahte korelasyon gibi yaygın tuzakları fark etmeyi öğrenin.

“İstatistik belirsizliği ortadan kaldırmaz; onu ölçülebilir hale getirerek daha bilinçli ve savunulabilir kararlar vermenizi sağlar.”

Ön Koşullar

Temel Matematik — Yüzde, oran, üslü sayı ve basit cebirsel ifadelerle rahat çalışabilmek yeterlidir.
Excel Kullanımı — Formül yazma, fonksiyon kullanma ve basit grafik oluşturma deneyimine sahip olmak.
Çalışma Ortamı — Excel kurulu ve internete bağlı bilgisayar; Python not defterleri tarayıcıda çalışır.
Programlama İsteğe Bağlı — Python bilmek zorunlu değildir; hazır not defterleri yalnızca çalıştırılıp yorumlanır.

Eğitim İçeriği

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

Günün hedefiVeriyi merkezi eğilim ve yayılım ölçüleriyle doğru özetlemek, olasılık ve koşullu olasılık mantığını kavramak ve temel dağılımları iş problemlerinde kullanmak.

Modül 1

Tanımlayıcı İstatistik

Popülasyon, örneklem, parametre ve istatistik kavramları
Ortalama, medyan ve mod: hangisi ne zaman kullanılır?
Varyans, standart sapma, çeyrekler açıklığı
Çarpıklık, basıklık ve uç değerlerin etkisi
Histogram, kutu grafiği ve serpilme diyagramı yorumu
Uygulama: Müşteri sipariş tutarlarının özetlenmesi

Modül 2

Olasılığın Temelleri

Deney, olay, örnek uzay ve olasılık aksiyomları
Toplama ve çarpma kuralları, bağımsız olaylar
Koşullu olasılık ve olasılık ağaçları
Bayes teoremi ve yanlış pozitif paradoksu
Beklenen değer ile risk ve karar hesabı
Uygulama: Kalite testinde hatalı ürün olasılığı

Modül 3

Kesikli ve Sürekli Olasılık Dağılımları

Rastgele değişken, olasılık ve yoğunluk fonksiyonu
Bernoulli ve binom dağılımı: dönüşüm oranı örneği
Poisson dağılımı: çağrı merkezi arama sayısı
Normal dağılım, z-skoru ve 68-95-99,7 kuralı
Üstel dağılım ve müşteri bekleme süreleri
Simülasyon: Dağılımların şeklini parametrelerle keşfetme

Modül 4

Örnekleme ve Merkezi Limit Teoremi

Örnekleme yöntemleri: basit, tabakalı ve küme
Örnekleme yanlılığı ve temsil gücü sorunları
Örneklem dağılımı ve standart hata kavramı
Merkezi limit teoremi ve pratik önemi
Simülasyon: Örneklem büyüklüğünün tahmine etkisi
Günün değerlendirmesi ve çıkarımsal istatistiğe köprü

Günün hedefiGüven aralıkları ve hipotez testleriyle genelleme yapmak, A/B testi tasarlayıp yorumlamak, ilişkileri korelasyon ve regresyonla modellemek ve yaygın hatalardan kaçınmak.

Modül 1

Güven Aralıkları ve Hipotez Testleri

Güven aralığı hesaplama ve doğru yorumlama
Sıfır ve alternatif hipotez, anlamlılık düzeyi
p-değeri: ne söyler, ne söylemez? Yaygın yanlış yorumlar
Tip I ve Tip II hata, testin gücü ve aralarındaki denge
İstatistiksel anlamlılık ile pratik önem farkı
Uygulama: Memnuniyet puanı için güven aralığı

Modül 2

Temel İstatistiksel Testler

Tek ve iki örneklem t-testi, eşleştirilmiş t-testi
Ki-kare bağımsızlık testi ile kategorik ilişkiler
Tek yönlü ANOVA ile çoklu grup karşılaştırması
Parametrik olmayan alternatifler: Mann-Whitney U
Doğru testi seçmek için karar ağacı
Uygulama: Şube performans farklarının test edilmesi

Modül 3

A/B Testi Tasarımı ve Analizi

A/B testinin mantığı ve rastgele atamanın önemi
Etki büyüklüğü, güç analizi ve örneklem hesabı
Dönüşüm oranları için iki örneklem z-testi
Erken durdurma ve çoklu karşılaştırma sorunları
Bayesçi A/B testi yaklaşımına kısa bakış
Vaka: E-posta kampanyası A/B testinin yorumlanması

Modül 4

Korelasyon, Regresyon ve Kapanış

Pearson ve Spearman korelasyonu, sahte korelasyon
Uygulama: Reklam harcaması ve satış için basit regresyon
Çoklu regresyona giriş ve R² ölçüsünün sınırları
Simpson paradoksu ve karıştırıcı değişkenler
İstatistikten makine öğrenmesine köprü ve yol haritası
Eğitim değerlendirmesi, Soru-Cevap ve sertifika takdimi

Eğitim Kazanımları

Veriyi Özetleme — Merkezi eğilim, yayılım ve dağılım ölçülerini veri yapısına uygun seçip doğru biçimde yorumlayabileceksiniz.
Olasılık Mantığı — Koşullu olasılık ve Bayes teoremiyle belirsiz durumlarda risk ve beklenen değer hesabı yapabileceksiniz.
Dağılımlar — Binom, Poisson ve normal dağılımları tanıyarak iş süreçlerindeki olayları uygun dağılımla modelleyebileceksiniz.
Örnekleme Mantığı — Örnekleme yanlılığını, standart hatayı ve merkezi limit teoreminin analizlere etkisini açıklayabileceksiniz.
Güven Aralıkları — Örneklem verisinden güven aralıkları hesaplayıp belirsizliği yöneticilere anlaşılır biçimde aktarabileceksiniz.
Hipotez Testleri — t-testi, ki-kare ve ANOVA gibi testleri doğru seçip p-değerini ve pratik önemi birlikte yorumlayabileceksiniz.
A/B Testi Tasarımı — Örneklem büyüklüğü hesaplanmış, yanılgılara karşı korunmuş A/B testleri tasarlayıp sonuçlarını raporlayabileceksiniz.
Regresyon Temeli — Korelasyon ve regresyonla ilişkileri modelleyerek makine öğrenmesine sağlam bir istatistik temeliyle geçeceksiniz.

Kimler İçin Uygundur?

Veri analitiği ekipleri
iş ve raporlama analistleri
pazarlama ve ürün analistleri
kalite ve operasyon uzmanları ile makine öğrenmesine hazırlanan profesyoneller.

Sıkça Sorulan Sorular

İstatistik ve Olasılık Temelleri Eğitimi kimler için uygundur?

Program; veri analitiği ekipleri, iş ve raporlama analistleri, pazarlama ve ürün analistleri, kalite ve operasyon uzmanları ile makine öğrenmesi eğitimlerine hazırlanan profesyoneller için tasarlanmıştır.

Matematik altyapım zayıf, eğitimi takip edebilir miyim?

Evet. Eğitim formül ezberine değil sezgisel anlayışa odaklanır. Lise düzeyi matematik yeterlidir; kavramlar simülasyonlar, görseller ve iş örnekleriyle adım adım anlatılır.

Eğitim ne kadar sürer ve hangi konuları kapsar?

Eğitim 2 tam gün ve 8 modülden oluşur. İlk gün tanımlayıcı istatistik, olasılık ve dağılımlar; ikinci gün güven aralıkları, hipotez testleri, A/B testi ve regresyon işlenir.

Python bilmeden katılabilir miyim?

Evet. Uygulamalar Excel ile yapılabilir; Python not defterleri hazır olarak sunulur ve yalnızca çalıştırılıp sonuçları yorumlanır. Python bilen katılımcılar SciPy ve statsmodels kodlarını da inceleyebilir.

Eğitim sonunda sertifika veriliyor mu ve sonraki adım nedir?

Programı tamamlayan katılımcılar Digital Vizyon Akademi sertifikası alır. Sonraki adım olarak Python Programlamaya Giriş, SQL ve Veritabanı Temelleri veya makine öğrenmesi eğitimleri önerilir.

Sertifikalandırma

Bu eğitim Katılım 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

İSTATİSTİK VE OLASILIK TEMELLERİ EĞİTİMİ