Veriyi Anlamak: Dağılımları Yakalayan Veri Görselleştirmeleri

Aylık "veriyi anlamak" serimizin onuncu bölümüne hoş geldiniz. Veri Okuryazarlığı Ayı kapsamında, bu seri veri dünyasındaki temel kavramları netleştirecek, sormaya çekinmiş olabileceğiniz soruları yanıtlayacak ve bunu yaparken keyifli bir yolculuk sunacak. Baştan başlamak isterseniz, serinin ilk yazısını okuyun: Veri Kümesi Nedir?

Bu hafta, yaygın veri görselleştirmelerini ve nasıl yorumlanacaklarını ele alacağız. Veri görselleştirme, sıklıkla veri bilimine giriş kapısı olarak anılır; bu yazıda, dağılımları yakalayan görselleştirmelere ve bunların nasıl yorumlanacağına bakacağız.

Dağılımı Yakalayan Görselleştirmeler

Veri görselleştirmenin temel kullanım alanlarından biri bir değişkenin dağılımını yakalamaktır. Dağılımları yakalamak, görselleştirdiğiniz verinin kritik istatistiksel özelliklerini anlamanıza ve kitlelerin temel çıktılara dair bilinçli, veriye dayalı kararlar almasına yardımcı olur. Dalmadan önce, dağılımları görselleştirirken akılda tutulması gereken bazı önemli noktalar şunlardır:

1. Dağılımın şekli nedir? Dağılım simetrik mi yoksa değil mi?
2. Dağılımın yayılımı nedir? Örneğin, veri setindeki en küçük ve en büyük değer arasındaki fark.
3. Dağılımda uç değer var mı?
4. Dağılımda bir desen var mı? Dağılım rastgele mi, yoksa belirgin bir şekil var mı?
5. Ortalama değer nedir (aritmetik ortalama, tepe değer, medyan)?

Aşağıdaki dört görselleştirme bu noktaları yakalamamıza yardımcı olur. 

Histogramlar

Histogram, sayısal bir değişkenin dağılımını çubuklarla gösteren bir grafiktir. Özellikle veri seti büyük olduğunda, dağılımın temel özelliklerini göstermek için kullanışlıdır. Histogramların öne çıktığı kilit örnekler arasında bir şirketteki çalışan maaşlarının dağılımını veya bir hasta kohortunun kan şekeri seviyelerini yakalamak sayılabilir. 

2022 yılında Avustralyalı erkeklerde ölüm yaşını gösteren bir histogram (Kaynak: Oosterbaan)

Bir histogram oluşturmak için sayısal veriler önce birkaç aralığa veya bölmeye (bin) ayrılır ve her aralığın görülme sıklığı sayılır. Yatay eksen aralığı, dikey eksen ise bir aralığın frekansını veya yüzde olarak gerçekleşme oranını gösterir. Histogramlar, bir değişkenin dağılımının nasıl çarpık olduğunu ya da nerede tepe yaptığını anında ortaya koyar. İşte Data Visualization for Everyone kursumuzdan bazı örnekler. 

Bir histogram simetrik, sola çarpık veya sağa çarpık olabilir. (Kaynak: DataCamp)

 Bir histogram birden fazla tepe değere sahip olabilir (Kaynak: DataCamp)

Histogramlar ve çubuk grafikler benzerlikler taşısa da, farklı işlevler görürler ve bu nedenle birbirine karıştırılmamalıdır. İşte temel farklar.

Yoğunluk grafikleri

Histogram gibi, bir yoğunluk grafiği de sayısal bir değişkenin dağılımını temsil eder. Histogramdan farklı olarak, yoğunluk grafiği çubuklar yerine düzgün bir çizgi kullanır. Yoğunluk grafiğinin yatay ekseni sayısal değişkeni, dikey ekseni ise olasılık yoğunluk fonksiyonunu gösterir. Değişkenin bir aralıkta yer alma olasılığı, eğrinin altındaki alandır. 

Bir farenin doğum ağırlığının 1,0 ile 1,2 gram arasında olma olasılığı, yoğunluk eğrisinin altındaki alandır (Kaynak: SPSS)

Yoğunluk grafiği, dağılımın şeklini bir histogramdan daha etkili gösterebilir. Bölme sayısı çok küçük veya çok büyük olan bir histogram, altta yatan dağılımın gerçek şeklini gizleyebilir. Buna karşılık, yoğunluk grafiği bölmelere ihtiyaç duymaz ve düzgün dağılım eğrileri gösterir.

Histogramda bölme sayısı seçimi kritik önemdedir. (Kaynak: Laerd Statistics)

Yoğunluk grafiği, birden fazla dağılımı karşılaştırmada da histogramdan daha iyidir.

Yoğunluk grafikleri vs histogramlarla dağılımları karşılaştırma (Kaynak: Koehrsen Will)

Kutu grafikleri

Histogramlar verinin genel dağılımını göstermek için uygundur, ancak kutu grafikleri bir dağılımı özetlemede mükemmeldir. 

Bir kutu grafiğinin anatomisi (Kaynak: Galarnyk)

Veriyi kutu grafiği ile görselleştirmek aşağıdakileri ortaya koyar:

1. Medyan: Veri setinin orta değeri; verilerin %50'si medyandan küçük, %50'si medyandan büyüktür. 
2. Üst çeyrek: Veri setinin 75. yüzdelik dilimi; verilerin %75'i üst çeyrekten küçük, %25'i üst çeyrekten büyüktür. 
3. Alt çeyrek: Veri setinin 25. yüzdelik dilimi; verilerin %25'i alt çeyrekten küçük, %75'i alt çeyrekten büyüktür. 
4. Çeyrekler arası aralık: Üst çeyrek eksi alt çeyrek
5. Üst bitişik değer: Yaygın tabirle “maksimum”. Üst çeyrek artı çeyrekler arası aralığın 1,5 katını temsil eder.
6. Alt bitişik değer: Yaygın tabirle “minimum”. Alt çeyrek eksi çeyrekler arası aralığın 1,5 katını temsil eder.
7. Uç değerler: “Maksimum”un üzerindeki veya “minimum”un altındaki herhangi bir değer.

Viyolin grafiği

Viyolin grafiği, kutu grafiği ile yoğunluk grafiğinin bir melezi gibidir. 

Toplam hesabın dağılımını gösteren bir viyolin grafiği (Kaynak: DataCamp)

Yoğunluk grafiğinde olduğu gibi, viyolin grafiği de bir yoğunluk dağılımı gösterir. Kutu grafiğinde olduğu gibi, özet istatistikleri de sunar. Viyolin grafikleri, bir sayısal değişkenin dağılımını aynı anda hem gösteren hem de özetleyen etkili araçlardır. 

Bir viyolin grafiğinin anatomisi (Kaynak: Hintze ve Nelson)

Veri Görselleştirmeye Bugün Başlayın

Bu kısa veri görselleştirme girişinden keyif aldığınızı umuyoruz. Serinin bir sonraki bölümünde, yapay zekânın haberlerde nasıl ele alındığına ve alandaki en yeni gelişmelere karşı nasıl sağlıklı bir şüphecilik geliştirilebileceğine bakacağız. Veri öğrenme yolculuğunuza bugün başlamak için aşağıdaki kaynaklara göz atın. 

• Veri Okuryazarlığı Ayı için neler planladığımıza göz atın
• Understanding Data Topics Yetenek Yolumuza başlayın
• DataFramed Podcast'ine abone olun
• Yaklaşan etkinliklerimize göz atın
• Yapay zekâ abartı tuzağından nasıl kaçınacağımıza dair Veriyi Anlamak serisinin bir sonraki yazısını okuyun