Geometrik Ortalama: Büyüme ve Bileşik Getiri İçin Bir Ölçü

Yıllık yatırım getirilerinizin ortalamasını hiç hesaplayıp, toplam getirinizin birebir uyuşmadığını fark ettiniz mi? Finans dünyasında sıkça rastlanan bu durum, geometrik ortalamayı anlamanın ve uygulamanın önemini gösterir – değişim oranları ve bileşik etkiler söz konusu olduğunda, yaygın kullanılan aritmetik ortalamadan daha uygun olan faydalı bir ölçüdür.

Bu eğitimde, geometrik ortalama kavramını ve özellikle finans, biyoloji ve veri bilimi gibi alanlarda veri analizindeki rolünü inceleyeceğiz. Ayrıca, diğer merkezi eğilim ölçülerine göre daha iyi performans gösterdiği senaryolara da bakacağız.

Geometrik Ortalama Nedir?

Geometrik ortalama, özellikle çarpma veya üstel büyüme içeren pozitif sayı kümeleriyle çalışırken son derece yararlı bir ortalama türüdür. Sayıları toplayıp adetlerine bölen daha yaygın aritmetik ortalamanın aksine, geometrik ortalama çarpımsal ilişkiler veya üstel büyüme içeren veri kümelerini ele almakta daha yetkindir.

Geometrik ortalamanın değerli olduğu bazı alanlar şunlardır:

1. Finans: Birden fazla dönem için ortalama getiri oranlarını hesaplamakta yaygın olarak kullanılır. Aritmetik ortalamadan farklı olarak, geometrik ortalama bileşik getiriyi hesaba katar ve bu da finansal hesaplamalar için daha isabetlidir.
2. Biyoloji: Popülasyon büyümesi çalışmalarında zaman içindeki ortalama büyüme oranlarını hesaplamak için kullanılır.
3. Geometri: En zarif görünümlerinden biri dik üçgenlerde karşımıza çıkar; hipotenüse indirilen yükseklik, hipotenüs üzerinde oluşturduğu parçaların geometrik ortalamasını temsil eder. Ayrıca, geometrik ortalama, belirli bir dikdörtgenle aynı alana sahip olacak karenin kenar uzunluğunu verir ve böylece dikdörtgen alanları "kareleme" yolu sunar.

Görüldüğü gibi, geometrik ortalama hem günlük hesaplamalarda hem de daha soyut matematiksel kavramlarda değerli bir araçtır.

Geometrik Ortalama Nasıl Hesaplanır

Geometrik ortalamayı hesaplamanın, duruma göre avantajları değişen birkaç yöntemi vardır.

Geometrik ortalama formülü

Geometrik ortalamayı hesaplamanın en yalın yolu standart formülü kullanmaktır: 

Burada x₁, x₂, ..., xₙ veri kümesindeki pozitif sayıları, n ise sayı adedini ifade eder. Geometrik ortalamayı elde etmek için tüm değerleri çarpar ve bu çarpımın n’inci kökünü alırız; burada n değer sayısıdır. Bunu bir örnekle gösterelim. 2, 4 ve 8 sayılarını ele alalım. Geometrik ortalamalarını bulmak için:

1. Sayıları çarpın: 2 * 4 * 8 = 64
2. Küp kökünü alın (3 sayı olduğundan): ∛64 ≈ 4

2, 4 ve 8’in geometrik ortalaması 4’tür. Bu sonuç bize, her biri 4 olan üç eşit sayı alsaydık çarpımlarının orijinal sayıların çarpımına eşit olacağını söyler. Özetle, 4 üç değerin tamamındaki tutarlı büyüme katsayısıdır.

Logaritmaları toplayarak geometrik ortalama hesaplama

Daha büyük veri kümeleri için veya çok büyük sayılarla çalışırken taşma hatalarından kaçınmak amacıyla logaritmalar kullanılabilir. Bu yöntem, çarpmayı toplamaya dönüştürür ve hesaplamaları kolaylaştırır. Önce her sayının logaritmasını alır, bu logaritmaların aritmetik ortalamasını hesaplar ve ardından bu ortalamanın antilogunu (üs) alırız. Yukarıdaki aynı örneği kullanalım. 

1. Logaritmaları alın (taban 10): log(2) ≈ 0.3010, log(4) ≈ 0.6021, log(8) ≈ 0.9031
2. Aritmetik ortalamayı hesaplayın: (0.3010 + 0.6021 + 0.9031) / 3 ≈ 0.6021
3. Antilogu alın: (10^x) = 10^0.6021 ≈ 4

Bu yöntem, doğrudan hesaplama yöntemiyle aynı sonucu verir. Hesaplamanın tamamında aynı tabanı kullandığınız sürece herhangi bir tabanın logaritmalarını (örneğin tabanı e olan doğal logaritmalar) kullanabilirsiniz. Son geometrik ortalama aynı olacaktır.

Veri Bilimi ve Makine Öğreniminde Geometrik Ortalama

Geometrik ortalama, veri bilimi ve makine öğreniminde çeşitli önemli uygulamalara sahip faydalı bir istatistiksel ölçüdür. İşte geometrik ortalamanın değer kattığı üç temel kullanım alanı. 

Büyüme oranları ve zaman serisi analizi

Veri biliminde, nüfus dinamikleri, piyasa trendleri veya kullanıcı edinim oranları gibi zaman içindeki büyüme oranlarını sıkça analiz ederiz. Geometrik ortalama, büyümenin bileşik doğasını doğru yansıttığı için bu durumlar için idealdir. Her yılın büyümesinin bir öncekinin üzerine inşa edildiğini dikkate almayan aritmetik ortalamanın aksine, geometrik ortalama bu bileşik etkiyi hesaba katar.

Beş yıl boyunca bir girişimin kullanıcı tabanının yıllık büyüme oranlarını analiz ettiğinizi düşünün: %20, %15, %25, %10 ve %30. Aritmetik ortalama (%20) hızlı bir çözüm gibi görünse de bileşik etkiyi hesaba katmaz. Geometrik ortalama ((1.20 * 1.15 * 1.25 * 1.10 * 1.30)^(1/5) - 1 ≈ %19.77), her yıl tutarlı bir şekilde uygulanırsa, değişken gerçek büyüme oranlarıyla aynı nihai değeri verecek daha doğru bir ortalama büyüme oranı sağlar.

Çarpık verilerin istatistiksel analizi

Veri biliminde, gelir düzeyleri, biyolojik ölçümler veya bazı finansal göstergeler gibi çarpımsal süreçler nedeniyle pozitif çarpıklık gösteren veri kümeleriyle sıkça karşılaşırız. Bu tür durumlarda, aritmetik ortalama aykırı değerlere (uçlara) duyarlı olduğundan yanıltıcı olabilir ve merkezi eğilimin temsilini bozabilir.

Geometrik ortalama, log-normal dağılımı izleyen verilerle çalışırken özellikle kullanışlıdır. Nedeni şu şekildedir:

• Aykırı Değerlerin Etkisini Azaltır: Geometrik ortalama, aşırı yüksek veya düşük değerlerin etkisini azaltarak çarpık veri için daha temsili bir merkezi değer sunar.
• Çarpımsal İlişkileri Ele Alır: Değerlerin toplamsal değil çarpımsal olarak birleştiği veriler için uygundur.

Çoğu hanenin 30.000$ ile 60.000$ arasında kazandığı, ancak birkaçının 1 milyon $’ın üzerinde gelir elde ettiği bir bölgedeki hane gelirlerinden oluşan bir veri kümesini düşünün.

• Aritmetik Ortalama Gelir: Yüksek gelirli aykırı değerlerden güçlü şekilde etkilenir ve çoğu kişinin kazandığından çok daha yüksek bir ortalama gelir önerebilir.
• Geometrik Ortalama Gelir: Aşırı değerlerin etkisini en aza indirerek tipik geliri daha doğru yansıtan bir merkezi değer sunar.

Bu gibi durumlarda geometrik ortalamanın kullanılması, veri bilimcilerin daha doğru bir merkezi eğilim ölçüsü elde etmesini sağlar; bu da daha iyi içgörülere ve daha güvenilir analizlere yol açar. Bu nedenle, çeşitli alanlarda çarpık dağılımlarla çalışırken geometrik ortalama vazgeçilmez bir araçtır.

Dengesiz veri kümeleri için değerlendirme metrikleri

Sınıflandırma görevlerinde, bazı grupların diğerlerine göre çok daha fazla örnekle temsil edildiği dengesiz veri kümeleriyle sıkça karşılaşırız. Bu gibi durumlarda, doğruluk gibi geleneksel değerlendirme metrikleri yanıltıcı olabilir. İşte bu noktada Geometrik Ortalama Skoru veya G-Mean değerli bir araç haline gelir.

G-Mean, sınıf bazında duyarlılığın (geri çağırma) çarpımının köküdür. İkili sınıflandırmada, duyarlılık ile özgüllüğün çarpımının kareköküdür. Çok sınıflı problemlerde, her bir sınıfın duyarlılığının çarpımının daha yüksek dereceden köküdür.

G-Mean, tüm sınıflar arasında doğruluğu dengelemeyi amaçlar ve bu nedenle dengesiz veri kümeleri için özellikle kullanışlıdır. Ancak, herhangi bir sınıfın duyarlılığı sıfır olduğunda G-Mean’in tanımsız olduğunu ve bu nedenle aşırı dengesizlik senaryolarında uygulanabilirliğinin sınırlı olduğunu not etmek önemlidir. Pratikte, bu sınırlamayı gidermek için değiştirilmiş sürümler veya alternatif metrikler kullanılabilir.

Geometrik ortalama ve diğer istatistiksel ölçülerin makine öğreniminde nasıl uygulandığını daha kapsamlı görmek için, temel makine öğrenimi kavram ve tekniklerini pratik içgörüler ve uygulamalı deneyimle ele alan Python ile Makine Öğrenimi Bilimcisi kariyer yolumuzu incelemeyi düşünebilirsiniz.