Bu haftaki dersimiz kapsamında dikkatimi çeken kodları paylaşmak istedim.
Bu haftaki ders istatistiksel düşünme biçimimi yeniden gözden
geçirmemi ve özellikle Normal Dağılım’ın yalnızca teorik bir kavram
değil, veriyi anlamlandırmada güçlü bir araç olduğunu fark etmemi
sağladı. Daha önce normal dağılımı çoğunlukla “simetrik bir çan eğrisi”
ve “ortalama–standart sapma” ilişkisi üzerinden ele alırken, R
yazılımında kullanılan dnorm, pnorm,
qnorm ve rnorm fonksiyonları aracılığıyla bu
dağılımın çok boyutlu yapısını deneyimleme fırsatı buldum.
dnorm fonksiyonu sayesinde, belirli bir noktadaki
olasılık yoğunluğunu hesaplayarak dağılımın yalnızca şekline değil, her
bir değerin göreli önemine odaklanabildim. Bu durum, tekil gözlemlerin
dağılım içindeki yerini daha somut biçimde görmemi sağladı.
pnorm fonksiyonu ise, kümülatif olasılık kavramını yalnızca
formüllerle değil, anlamlı olasılık yorumlarıyla ilişkilendirmeme
yardımcı oldu. Bir değerin solunda kalan alanın, gerçek hayattaki
“olasılık” yorumlarına nasıl dönüştüğünü görmek, istatistiksel çıkarım
sürecine bakışımı derinleştirdi.
Buna ek olarak, qnorm fonksiyonuyla olasılıktan
z-skoruna geçiş yapmak, özellikle güven aralıkları ve kritik değerler
konusundaki kavrayışımı güçlendirdi. Daha önce ezberlenen z tablolarının
yerini, olasılıkla düşünme ve bu olasılığın hangi kesme noktasına
karşılık geldiğini anlama becerisi aldı. rnorm fonksiyonu ise simülasyon
temelli düşünmenin kapısını aralayarak, teorik dağılımlarla gerçek ya da
yapay veriler arasındaki ilişkiyi test etmenin ne kadar güçlü bir yöntem
olduğunu fark etmemi sağladı. Ayrıca, t.test() fonksiyonu
yalnızca teknik bir araç olmaktan çıkarak, veriye hangi soruyu
sorduğumuzu ve bu soruya hangi varsayımlar altında yanıt aradığımızı
görünür kılan bir düşünme aracı hâline geldi.