Bu ayrım ekonomi, finans, eğitim, sağlık araştırmaları ve performans analizlerinde son derece önemlidir.
Bilimsel Bir Araştırmada Ortalama Nasıl Kullanılmalı?
Gerçek bir araştırmada yalnızca “ortalama kaç?” sorusunu sormak genellikle başlangıçtır.
Daha iyi bir analiz için şu adımlar izlenebilir:
1. Araştırma sorusunu tanımlamak:
Neyi ölçmek istediğimiz açık olmalıdır.
2. Veri türünü belirlemek:
Sayısal değişken gerçekten aritmetik ortalama alınabilecek bir ölçekte mi?
3. Veriyi temizlemek:
Eksik değerler, hatalı girişler ve gerçek uç değerler birbirinden ayrılmalıdır.
4. Dağılımı incelemek:
Histogram, kutu grafiği veya dağılım grafiği kullanılabilir.
5. Ortalama ve medyanı karşılaştırmak:
Merkezi eğilim hakkında iki farklı perspektif elde edilir.
6. Yayılımı değerlendirmek:
Standart sapma, varyans veya çeyrekler arası aralık gibi ölçüler kullanılabilir.
7. Sonucu bağlam içinde yorumlamak:
“Ortalama 73” demek tek başına yeterli olmayabilir. 73'ün hangi dağılımdan geldiğini bilmek gerekir.
Özellikle küçük örneklemlerde uç değerlerin etkisi daha fazla hissedilebilir. Araştırma metodolojisi açısından önemli olan, sadece Excel'in verdiği sonucu raporlamak değil, sonucun hangi varsayımlar altında anlamlı olduğunu açıklamaktır.
Erkeklerin ve Kadınların Veri Yorumlama Biçimleri Üzerine Bir Not
Veri analizi tartışmalarında zaman zaman “erkekler daha analitik düşünür, kadınlar ise sosyal ve empatik boyutlara daha fazla önem verir” şeklinde genellemelerle karşılaşmak mümkün. Kullanıcının istediği gibi bu iki bakış açısını tartışmaya dahil etmek yararlı olabilir; ancak bunu biyolojik veya psikolojik bir kesinlik gibi sunmak bilimsel açıdan savunulabilir değildir.
Örneğin bir erkek Excel tablosuna bakarak yalnızca ortalama, standart sapma ve trendleri değerlendirebilir. Bir başka erkek ise “Bu veriler gerçek insanların yaşamlarını temsil ediyor mu?” diye sorabilir. Aynı şekilde bir kadın yalnızca sosyal sonuçlara odaklanmak zorunda değildir; son derece teknik bir istatistiksel analiz yapabilir. Başka bir kadın ise sayısal sonucun arkasındaki insan deneyimini özellikle sorgulayabilir.
Yani veri odaklılık erkeklere, empati kadınlara ait özellikler değildir.
Janet Shibley Hyde'ın American Psychologist dergisinde yayımlanan ve 46 meta-analizi inceleyen çalışması, kadın ve erkeklerin psikolojik değişkenlerin büyük bölümünde birbirlerinden çok daha fazla benzerlik gösterdiğini savunan “gender similarities hypothesis” yaklaşımını ortaya koymuştur. Hyde'ın makalesindeki temel ifade oldukça nettir: “males and females are similar on most, but not all, psychological variables.” PubMed+1
Dolayısıyla Excel'deki bir ortalama üzerinden cinsiyetlere dair çıkarım yapmak istiyorsak çok daha dikkatli davranmamız gerekir.
Örneğin kadın çalışanların ortalama maaşı erkek çalışanlardan düşükse yalnızca iki ortalamayı karşılaştırmak yeterli değildir. İş deneyimi, görev seviyesi, çalışma süresi, sektör, pozisyon, çalışma saatleri, terfi olanakları ve örneklem yapısı gibi değişkenler de incelenmelidir.
Tam tersine, sosyal etkileri dikkate almak da “istatistiksel düşüncenin karşıtı” değildir. İyi veri bilimi hem sayısal doğruluğu hem de verinin temsil ettiği insanların bağlamını dikkate alır.
Araştırma Yöntemleri Açısından Ortalama Hesaplama
Bilimsel bir araştırmada ortalamayı kullanmanın güvenilirliği, verinin nasıl toplandığıyla doğrudan ilişkilidir.
Örneğin 10.000 kişilik bir popülasyon hakkında sonuç çıkarmak için yalnızca 50 kişiden veri topladığımızı düşünelim. Burada örneklemin nasıl seçildiği kritik hale gelir.
Rastgele örnekleme ile seçilmiş 50 kişi ile yalnızca araştırmacının çevresinden seçilmiş 50 kişinin ortalaması aynı istatistiksel güvenilirliğe sahip olmayabilir.
Ayrıca örneklem büyüklüğü arttıkça örnek ortalamasının popülasyon ortalamasını tahmin etme davranışı genel olarak daha istikrarlı hale gelir; fakat büyük örneklem kötü örnekleme tasarımını otomatik olarak düzeltmez.
Bu nedenle bir Excel dosyasındaki 50.000 satırın bulunması, analizin bilimsel olarak güçlü olduğu anlamına gelmez.
Araştırma yönteminde ayrıca ölçüm hataları, seçim yanlılığı, eksik veri ve değişkenlerin operasyonel tanımları dikkate alınmalıdır.
Ortalama Hesaplarken Yapılan Yaygın Hatalar
Birinci hata: Sıfırları yanlışlıkla silmek.
Sıfır gerçek bir gözlemse çıkarılmamalıdır.
İkinci hata: Boş hücreleri sıfır kabul etmek.
Eksik veri ile sıfır aynı şey değildir.
Üçüncü hata: Uç değerleri otomatik olarak silmek.
300.000 TL maaş gerçekten mevcutsa onu yalnızca ortalamayı “düzeltmek” için silmek bilimsel olarak yanlış olabilir.
Dördüncü hata: Ortalama ile medyanı birbirinin alternatifi gibi görmek.
İkisi farklı sorulara cevap verebilir.
Beşinci hata: Ağırlıkları görmezden gelmek.
Farklı büyüklükteki grupları eşit ağırlıklı değerlendirmek yanlış sonuç üretebilir.
Altıncı hata: Yalnızca tek bir sayı raporlamak.
Ortalama, veri dağılımının bütün yapısını göstermez.
Yedinci hata: Excel sonucunu bilimsel sonuç zannetmek.
Excel hesaplama aracıdır; araştırma tasarımının yerine geçmez.
Ortalamanın Gücünü Doğru Yerde Kullanmak
Aritmetik ortalama, bilimsel ve teknik çalışmalarda vazgeçilmez araçlardan biridir. Özellikle dağılımın yaklaşık simetrik olduğu, uç değerlerin sınırlı olduğu ve ölçümlerin aynı türden olduğu durumlarda oldukça güçlü bir özet istatistik olabilir.
Ancak veri çarpıksa veya uç değerler önemliyse medyan, çeyrekler arası aralık ya da daha dayanıklı istatistikler değerlendirilmelidir. Wilcox'un güncel metodolojik değerlendirmesinde de simetrik dağılımlarda ortalamanın güçlü olabileceği, çarpık dağılımlarda ise medyan veya kırpılmış ortalamanın daha uygun olabileceği vurgulanıyor. Current Protocols
Dahası, Rousselet ve Wilcox'un çalışmasının önemli mesajlarından biri şu: Her veri setine tek bir istatistiksel yöntem uygulamak yerine araştırma sorusuna uygun yöntem seçmek gerekir. Enlighten Publications
Dolayısıyla Excel'de ortalama hesaplamanın en doğru yolu yalnızca =ORTALAMA(A1:A100) yazmak değildir. Asıl doğru yaklaşım, “Neden ortalama hesaplıyorum ve bu ortalama hangi soruya cevap veriyor?” sorusunu önce sormaktır.
Tartışmayı Bir Adım İleri Taşıyalım
Bir Excel tablosunda ortalama hesapladığınızda kendinize şu soruları sormak oldukça faydalı olabilir:
- Ortalama gerçekten “tipik” gözlemi temsil ediyor mu?
- Veri setinde uç değerler var mı?
- Boş hücreler gerçekten eksik veri mi?
- Sıfırlar gerçek ölçüm mü?
- Verilerin tamamı aynı ağırlığa sahip mi?
- Ortalama ile medyan arasında neden fark var?
- Örneklem gerçekten hedef popülasyonu temsil ediyor mu?
- Ortalama değişkenler arasındaki eşitsizlikleri gizliyor olabilir mi?
- Aynı veriye kadın ve erkek araştırmacıların farklı yorumlar getireceğini varsaymak ne kadar bilimsel?
- Sayısal sonuç ile bu sonucu yaşayan insanların deneyimi arasında nasıl bir bağlantı kurulabilir?
Bence en ilginç soru ise şu: Bir veri setinin ortalamasını doğru hesapladığımız halde, o verinin anlattığı hikâyeyi yanlış yorumlayabilir miyiz?
Cevap büyük ölçüde evet.
Excel'in ORTALAMA fonksiyonu matematiksel işlemi son derece hızlı ve güvenilir biçimde yapabilir. Fakat bilimsel düşünme, formülün ötesinde başlar. Verinin nereden geldiğini, nasıl dağıldığını, hangi gözlemlerin dahil edildiğini, hangi değerlerin eksik olduğunu ve elde edilen sayının gerçek dünyada neyi temsil ettiğini sorgulamak gerekir.
Sonuçta ortalama bir sonuç değil, bir özet ölçüdür. İyi bir veri analizi ise özeti gerçekliğin tamamı sanmamakla başlar.
Kaynaklar:
1. Microsoft Support, “ORTALAMA işlevi / AVERAGE function.” Microsoft Destek+1
2. Microsoft Support, “Calculate an average.” Microsoft Destek
3. Hyde, J. S. (2005). The Gender Similarities Hypothesis. American Psychologist, 60(6), 581–592. PubMed+1
4. von Hippel, P. T. (2005). Mean, Median, and Skew: Correcting a Textbook Rule. Journal of Statistics Education, 13(2). jse.amstat.org+1
5. Rousselet, G. A., & Wilcox, R. R. (2020). Reaction times and other skewed distributions: problems with the mean and the median. Meta-Psychology, 4. Enlighten Publications+1
6. Wilcox, R. R. (2023). An Updated Guide to Robust Statistical Methods in Neuroscience. Current Protocols. Current Protocols
Bilimsel Bir Araştırmada Ortalama Nasıl Kullanılmalı?
Gerçek bir araştırmada yalnızca “ortalama kaç?” sorusunu sormak genellikle başlangıçtır.
Daha iyi bir analiz için şu adımlar izlenebilir:
1. Araştırma sorusunu tanımlamak:
Neyi ölçmek istediğimiz açık olmalıdır.
2. Veri türünü belirlemek:
Sayısal değişken gerçekten aritmetik ortalama alınabilecek bir ölçekte mi?
3. Veriyi temizlemek:
Eksik değerler, hatalı girişler ve gerçek uç değerler birbirinden ayrılmalıdır.
4. Dağılımı incelemek:
Histogram, kutu grafiği veya dağılım grafiği kullanılabilir.
5. Ortalama ve medyanı karşılaştırmak:
Merkezi eğilim hakkında iki farklı perspektif elde edilir.
6. Yayılımı değerlendirmek:
Standart sapma, varyans veya çeyrekler arası aralık gibi ölçüler kullanılabilir.
7. Sonucu bağlam içinde yorumlamak:
“Ortalama 73” demek tek başına yeterli olmayabilir. 73'ün hangi dağılımdan geldiğini bilmek gerekir.
Özellikle küçük örneklemlerde uç değerlerin etkisi daha fazla hissedilebilir. Araştırma metodolojisi açısından önemli olan, sadece Excel'in verdiği sonucu raporlamak değil, sonucun hangi varsayımlar altında anlamlı olduğunu açıklamaktır.
Erkeklerin ve Kadınların Veri Yorumlama Biçimleri Üzerine Bir Not
Veri analizi tartışmalarında zaman zaman “erkekler daha analitik düşünür, kadınlar ise sosyal ve empatik boyutlara daha fazla önem verir” şeklinde genellemelerle karşılaşmak mümkün. Kullanıcının istediği gibi bu iki bakış açısını tartışmaya dahil etmek yararlı olabilir; ancak bunu biyolojik veya psikolojik bir kesinlik gibi sunmak bilimsel açıdan savunulabilir değildir.
Örneğin bir erkek Excel tablosuna bakarak yalnızca ortalama, standart sapma ve trendleri değerlendirebilir. Bir başka erkek ise “Bu veriler gerçek insanların yaşamlarını temsil ediyor mu?” diye sorabilir. Aynı şekilde bir kadın yalnızca sosyal sonuçlara odaklanmak zorunda değildir; son derece teknik bir istatistiksel analiz yapabilir. Başka bir kadın ise sayısal sonucun arkasındaki insan deneyimini özellikle sorgulayabilir.
Yani veri odaklılık erkeklere, empati kadınlara ait özellikler değildir.
Janet Shibley Hyde'ın American Psychologist dergisinde yayımlanan ve 46 meta-analizi inceleyen çalışması, kadın ve erkeklerin psikolojik değişkenlerin büyük bölümünde birbirlerinden çok daha fazla benzerlik gösterdiğini savunan “gender similarities hypothesis” yaklaşımını ortaya koymuştur. Hyde'ın makalesindeki temel ifade oldukça nettir: “males and females are similar on most, but not all, psychological variables.” PubMed+1
Dolayısıyla Excel'deki bir ortalama üzerinden cinsiyetlere dair çıkarım yapmak istiyorsak çok daha dikkatli davranmamız gerekir.
Örneğin kadın çalışanların ortalama maaşı erkek çalışanlardan düşükse yalnızca iki ortalamayı karşılaştırmak yeterli değildir. İş deneyimi, görev seviyesi, çalışma süresi, sektör, pozisyon, çalışma saatleri, terfi olanakları ve örneklem yapısı gibi değişkenler de incelenmelidir.
Tam tersine, sosyal etkileri dikkate almak da “istatistiksel düşüncenin karşıtı” değildir. İyi veri bilimi hem sayısal doğruluğu hem de verinin temsil ettiği insanların bağlamını dikkate alır.
Araştırma Yöntemleri Açısından Ortalama Hesaplama
Bilimsel bir araştırmada ortalamayı kullanmanın güvenilirliği, verinin nasıl toplandığıyla doğrudan ilişkilidir.
Örneğin 10.000 kişilik bir popülasyon hakkında sonuç çıkarmak için yalnızca 50 kişiden veri topladığımızı düşünelim. Burada örneklemin nasıl seçildiği kritik hale gelir.
Rastgele örnekleme ile seçilmiş 50 kişi ile yalnızca araştırmacının çevresinden seçilmiş 50 kişinin ortalaması aynı istatistiksel güvenilirliğe sahip olmayabilir.
Ayrıca örneklem büyüklüğü arttıkça örnek ortalamasının popülasyon ortalamasını tahmin etme davranışı genel olarak daha istikrarlı hale gelir; fakat büyük örneklem kötü örnekleme tasarımını otomatik olarak düzeltmez.
Bu nedenle bir Excel dosyasındaki 50.000 satırın bulunması, analizin bilimsel olarak güçlü olduğu anlamına gelmez.
Araştırma yönteminde ayrıca ölçüm hataları, seçim yanlılığı, eksik veri ve değişkenlerin operasyonel tanımları dikkate alınmalıdır.
Ortalama Hesaplarken Yapılan Yaygın Hatalar
Birinci hata: Sıfırları yanlışlıkla silmek.
Sıfır gerçek bir gözlemse çıkarılmamalıdır.
İkinci hata: Boş hücreleri sıfır kabul etmek.
Eksik veri ile sıfır aynı şey değildir.
Üçüncü hata: Uç değerleri otomatik olarak silmek.
300.000 TL maaş gerçekten mevcutsa onu yalnızca ortalamayı “düzeltmek” için silmek bilimsel olarak yanlış olabilir.
Dördüncü hata: Ortalama ile medyanı birbirinin alternatifi gibi görmek.
İkisi farklı sorulara cevap verebilir.
Beşinci hata: Ağırlıkları görmezden gelmek.
Farklı büyüklükteki grupları eşit ağırlıklı değerlendirmek yanlış sonuç üretebilir.
Altıncı hata: Yalnızca tek bir sayı raporlamak.
Ortalama, veri dağılımının bütün yapısını göstermez.
Yedinci hata: Excel sonucunu bilimsel sonuç zannetmek.
Excel hesaplama aracıdır; araştırma tasarımının yerine geçmez.
Ortalamanın Gücünü Doğru Yerde Kullanmak
Aritmetik ortalama, bilimsel ve teknik çalışmalarda vazgeçilmez araçlardan biridir. Özellikle dağılımın yaklaşık simetrik olduğu, uç değerlerin sınırlı olduğu ve ölçümlerin aynı türden olduğu durumlarda oldukça güçlü bir özet istatistik olabilir.
Ancak veri çarpıksa veya uç değerler önemliyse medyan, çeyrekler arası aralık ya da daha dayanıklı istatistikler değerlendirilmelidir. Wilcox'un güncel metodolojik değerlendirmesinde de simetrik dağılımlarda ortalamanın güçlü olabileceği, çarpık dağılımlarda ise medyan veya kırpılmış ortalamanın daha uygun olabileceği vurgulanıyor. Current Protocols
Dahası, Rousselet ve Wilcox'un çalışmasının önemli mesajlarından biri şu: Her veri setine tek bir istatistiksel yöntem uygulamak yerine araştırma sorusuna uygun yöntem seçmek gerekir. Enlighten Publications
Dolayısıyla Excel'de ortalama hesaplamanın en doğru yolu yalnızca =ORTALAMA(A1:A100) yazmak değildir. Asıl doğru yaklaşım, “Neden ortalama hesaplıyorum ve bu ortalama hangi soruya cevap veriyor?” sorusunu önce sormaktır.
Tartışmayı Bir Adım İleri Taşıyalım
Bir Excel tablosunda ortalama hesapladığınızda kendinize şu soruları sormak oldukça faydalı olabilir:
- Ortalama gerçekten “tipik” gözlemi temsil ediyor mu?
- Veri setinde uç değerler var mı?
- Boş hücreler gerçekten eksik veri mi?
- Sıfırlar gerçek ölçüm mü?
- Verilerin tamamı aynı ağırlığa sahip mi?
- Ortalama ile medyan arasında neden fark var?
- Örneklem gerçekten hedef popülasyonu temsil ediyor mu?
- Ortalama değişkenler arasındaki eşitsizlikleri gizliyor olabilir mi?
- Aynı veriye kadın ve erkek araştırmacıların farklı yorumlar getireceğini varsaymak ne kadar bilimsel?
- Sayısal sonuç ile bu sonucu yaşayan insanların deneyimi arasında nasıl bir bağlantı kurulabilir?
Bence en ilginç soru ise şu: Bir veri setinin ortalamasını doğru hesapladığımız halde, o verinin anlattığı hikâyeyi yanlış yorumlayabilir miyiz?
Cevap büyük ölçüde evet.
Excel'in ORTALAMA fonksiyonu matematiksel işlemi son derece hızlı ve güvenilir biçimde yapabilir. Fakat bilimsel düşünme, formülün ötesinde başlar. Verinin nereden geldiğini, nasıl dağıldığını, hangi gözlemlerin dahil edildiğini, hangi değerlerin eksik olduğunu ve elde edilen sayının gerçek dünyada neyi temsil ettiğini sorgulamak gerekir.
Sonuçta ortalama bir sonuç değil, bir özet ölçüdür. İyi bir veri analizi ise özeti gerçekliğin tamamı sanmamakla başlar.
Kaynaklar:
1. Microsoft Support, “ORTALAMA işlevi / AVERAGE function.” Microsoft Destek+1
2. Microsoft Support, “Calculate an average.” Microsoft Destek
3. Hyde, J. S. (2005). The Gender Similarities Hypothesis. American Psychologist, 60(6), 581–592. PubMed+1
4. von Hippel, P. T. (2005). Mean, Median, and Skew: Correcting a Textbook Rule. Journal of Statistics Education, 13(2). jse.amstat.org+1
5. Rousselet, G. A., & Wilcox, R. R. (2020). Reaction times and other skewed distributions: problems with the mean and the median. Meta-Psychology, 4. Enlighten Publications+1
6. Wilcox, R. R. (2023). An Updated Guide to Robust Statistical Methods in Neuroscience. Current Protocols. Current Protocols